▶ アサヒグループホールディングス株式会社の特許一覧 ▶ 旭光電機株式会社の特許一覧
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2023113475
(43)【公開日】2023-08-16
(54)【発明の名称】発注支援装置、発注支援システム、およびプログラム
(51)【国際特許分類】
G06Q 30/0601 20230101AFI20230808BHJP
【ＦＩ】
G06Q30/06 300
【審査請求】未請求
【請求項の数】9
【出願形態】ＯＬ
(21)【出願番号】P 2022015876
(22)【出願日】2022-02-03
(71)【出願人】
【識別番号】000000055
【氏名又は名称】アサヒグループホールディングス株式会社
(71)【出願人】
【識別番号】501397920
【氏名又は名称】旭光電機株式会社
(74)【代理人】
【識別番号】100106909
【弁理士】
【氏名又は名称】棚井 澄雄
(74)【代理人】
【識別番号】100147267
【弁理士】
【氏名又は名称】大槻 真紀子
(72)【発明者】
【氏名】光畑 伸輔
(72)【発明者】
【氏名】和田 貴志
(72)【発明者】
【氏名】楠 健志
(72)【発明者】
【氏名】永井 克典
(72)【発明者】
【氏名】西尾 崇志
【テーマコード（参考）】
5L049
【Ｆターム（参考）】
5L049BB58
(57)【要約】
【課題】ユーザにとって最適なタイミングでの製品の発注を支援すること。
【解決手段】発注支援装置は、取得部と、判別部と、出力部とを備える。取得部は、ユーザごとに設けられる計量装置から製品の計量結果を取得する。判別部は、前記計量結果から得られる前記製品の消費履歴と、前記計量結果が示す現在の前記製品の残量とに基づいて、前記製品の発注を行うか否かの判別を行う。出力部は、前記判別の結果に基づいて、ユーザに前記製品の発注を促す発注催促情報を出力する。
【選択図】図４
【解決手段】発注支援装置は、取得部と、判別部と、出力部とを備える。取得部は、ユーザごとに設けられる計量装置から製品の計量結果を取得する。判別部は、前記計量結果から得られる前記製品の消費履歴と、前記計量結果が示す現在の前記製品の残量とに基づいて、前記製品の発注を行うか否かの判別を行う。出力部は、前記判別の結果に基づいて、ユーザに前記製品の発注を促す発注催促情報を出力する。
【選択図】図４
【特許請求の範囲】
【請求項1】
ユーザごとに設けられる計量装置から製品の計量結果を取得する取得部と、
前記計量結果から得られる前記製品の消費履歴と、前記計量結果が示す現在の前記製品の残量とに基づいて、前記製品の発注を行うか否かの判別を行う判別部と、
前記判別の結果に基づいて、ユーザに前記製品の発注を促す発注催促情報を出力する出力部と、
を備える発注支援装置。
前記計量結果から得られる前記製品の消費履歴と、前記計量結果が示す現在の前記製品の残量とに基づいて、前記製品の発注を行うか否かの判別を行う判別部と、
前記判別の結果に基づいて、ユーザに前記製品の発注を促す発注催促情報を出力する出力部と、
を備える発注支援装置。
【請求項2】
前記判別部は、
前記消費履歴に基づいて、前記製品の消費量を予測する消費量予測部を備え、
予測した前記消費量に基づいて前記判別を行う、
請求項１に記載の発注支援装置。
前記消費履歴に基づいて、前記製品の消費量を予測する消費量予測部を備え、
予測した前記消費量に基づいて前記判別を行う、
請求項１に記載の発注支援装置。
【請求項3】
前記判別部は、
前記消費履歴に基づいて、発注用の閾値を変更可能にする閾値変更部を備え、
前記計量結果が示す現在の残量が前記閾値以下となるか否かの閾値判別を行う、
請求項１または２に記載の発注支援装置。
前記消費履歴に基づいて、発注用の閾値を変更可能にする閾値変更部を備え、
前記計量結果が示す現在の残量が前記閾値以下となるか否かの閾値判別を行う、
請求項１または２に記載の発注支援装置。
【請求項4】
前記判別部は、暦に応じた前記消費履歴に基づいて、前記判別を行う、
請求項１～３のいずれか一項に記載の発注支援装置。
請求項１～３のいずれか一項に記載の発注支援装置。
【請求項5】
前記判別部は、気候および所定のイベントの有無のうち少なくともいずれかに応じた前記消費履歴に基づいて、前記判別を行う、
請求項１～４のいずれか一項に記載の発注支援装置。
請求項１～４のいずれか一項に記載の発注支援装置。
【請求項6】
前記消費履歴は、発注された前記製品がユーザに届いてから消費されるまでの期間を示す消費期間情報を含み、
前記出力部は、前記消費期間情報に基づいて、ユーザに有益な有益情報を出力する、
請求項１～５のいずれか一項に記載の発注支援装置。
前記出力部は、前記消費期間情報に基づいて、ユーザに有益な有益情報を出力する、
請求項１～５のいずれか一項に記載の発注支援装置。
【請求項7】
前記製品は、アルコール飲料品であり、
前記消費履歴は、発注された前記アルコール飲料品の種別と、当該アルコール飲料品が消費される期間とを示す種別期間情報とを含み、
前記出力部は、前記種別期間情報に基づいて、ユーザの健康をサポートする健康サポート情報を出力する、
請求項１～５のいずれか一項に記載の発注支援装置。
前記消費履歴は、発注された前記アルコール飲料品の種別と、当該アルコール飲料品が消費される期間とを示す種別期間情報とを含み、
前記出力部は、前記種別期間情報に基づいて、ユーザの健康をサポートする健康サポート情報を出力する、
請求項１～５のいずれか一項に記載の発注支援装置。
【請求項8】
計量装置と、ユーザ端末装置と、発注支援装置とを備えた発注支援システムにおいて、
前記計量装置は、ユーザごとに設けられ、
前記発注支援装置は、
前記計量装置から製品の計量結果を取得する取得部と、
前記計量結果から得られる前記製品の消費履歴と、前記計量結果が示す現在の前記製品の残量とに基づいて、前記製品の発注を行うか否かの判別を行う判別部と、
前記判別の結果に基づいて、ユーザに前記製品の発注を促す発注催促情報を出力する出力部と、
を備え、
前記ユーザ端末装置は、前記発注支援装置から出力された前記発注催促情報に基づく通知を行う、
発注支援システム。
前記計量装置は、ユーザごとに設けられ、
前記発注支援装置は、
前記計量装置から製品の計量結果を取得する取得部と、
前記計量結果から得られる前記製品の消費履歴と、前記計量結果が示す現在の前記製品の残量とに基づいて、前記製品の発注を行うか否かの判別を行う判別部と、
前記判別の結果に基づいて、ユーザに前記製品の発注を促す発注催促情報を出力する出力部と、
を備え、
前記ユーザ端末装置は、前記発注支援装置から出力された前記発注催促情報に基づく通知を行う、
発注支援システム。
【請求項9】
発注支援装置に用いられるコンピュータを、
ユーザごとに設けられる計量装置から製品の計量結果を取得する取得部、
前記計量結果から得られる前記製品の消費履歴と、前記計量結果が示す現在の前記製品の残量とに基づいて、前記製品の発注を行うか否かの判別を行う判別部、
前記判別の結果に基づいて、ユーザに前記製品の発注を促す発注催促情報を出力する出力部、
として機能させるプログラム。
ユーザごとに設けられる計量装置から製品の計量結果を取得する取得部、
前記計量結果から得られる前記製品の消費履歴と、前記計量結果が示す現在の前記製品の残量とに基づいて、前記製品の発注を行うか否かの判別を行う判別部、
前記判別の結果に基づいて、ユーザに前記製品の発注を促す発注催促情報を出力する出力部、
として機能させるプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、発注支援装置、発注支援システム、およびプログラムに関する。
【背景技術】
【0002】
従来、重量を測定して在庫を管理する各種システムが知られている（例えば、特許文献１参照。）。また、ユーザが製品の発注を失念してしまうと、在庫がなくなってしまうため、ユーザに発注を支援する取り組みがなされている。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特許第６６６５２３４号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
しかしながら、従来技術では、ユーザごとに製品を発注するタイミングや製品の消費スピードが異なるため、ユーザにとって最適なタイミングで製品を発注することができない、という問題があった。
【0005】
本発明は、このような事情に鑑みてなされたもので、その目的は、ユーザにとって最適なタイミングでの製品の発注を支援することができる技術を提供することにある。
【課題を解決するための手段】
【0006】
上述した課題を解決するために、本発明の一態様である発注支援装置は、ユーザごとに設けられる計量装置から製品の計量結果を取得する取得部と、前記計量結果から得られる前記製品の消費履歴と、前記計量結果が示す現在の前記製品の残量とに基づいて、前記製品の発注を行うか否かの判別を行う判別部と、前記判別の結果に基づいて、ユーザに前記製品の発注を促す発注催促情報を出力する出力部と、を備える発注支援装置である。
【0007】
上述した課題を解決するために、本発明の一態様である発注支援システムは、計量装置と、ユーザ端末装置と、発注支援装置とを備えた発注支援システムにおいて、前記計量装置は、ユーザごとに設けられ、前記発注支援装置は、前記計量装置から製品の計量結果を取得する取得部と、前記計量結果から得られる前記製品の消費履歴と、前記計量結果が示す現在の前記製品の残量とに基づいて、前記製品の発注を行うか否かの判別を行う判別部と、前記判別の結果に基づいて、ユーザに前記製品の発注を促す発注催促情報を出力する出力部と、を備え、前記ユーザ端末装置は、前記発注支援装置から出力された前記発注催促情報に基づく通知を行う、発注支援システムである。
【0008】
また、本発明の他の態様であるプログラムは、発注支援装置に用いられるコンピュータを、ユーザごとに設けられる計量装置から製品の計量結果を取得する取得部、前記計量結果から得られる前記製品の消費履歴と、前記計量結果が示す現在の前記製品の残量とに基づいて、前記製品の発注を行うか否かの判別を行う判別部、前記判別の結果に基づいて、ユーザに前記製品の発注を促す発注催促情報を出力する出力部、として機能させるプログラムである。
【発明の効果】
【0009】
本発明によれば、ユーザにとって最適なタイミングでの製品の発注を支援することができる。
【図面の簡単な説明】
【0010】
【図1】実施形態に係る発注支援システム１のネットワーク構成を示す説明図である。
【図2】発注支援装置１００のハードウェア構成の一例を示すブロック図である。
【図3】計量装置１１０のハードウェア構成の一例を示すブロック図である。
【図4】発注ラインの一例を示す説明図である。
【図5】発注支援装置１００の機能的構成の一例を示すブロック図である。
【図6】学習済モデル５１０の一例を示す説明図である。
【図7】発注支援システム１の処理の流れの一例を示すシーケンス図である。
【図8】発注支援装置１００が行う発注支援処理の一例を示すフローチャートである。
【図9】商品管理ＤＢ１０２の一例を示す説明図である。
【図10】発注支援装置１００が行う予測消費本数出力処理の一例を示すフローチャートである。
【図11】ユーザ端末装置１２０が行う発注催促通知の一例を示す説明図である。
【図12】学習済モデル５１０の生成に係る発注支援装置１００の機能的構成を示すブロック図である。
【図13】学習用データセットの一例を示す説明図である。
【図14】発注支援装置１００が行うモデル生成処理の一例を示すフローチャートである。
【図15】変形例１に係る発注ラインの一例を示す説明図である。
【図16】変形例１に係る学習済モデル１６１０の一例を示す説明図である。
【図17】変形例１に係る学習用データセットの一例を示す説明図である。
【図18】変形例２に係る商品管理情報の一例を示す説明図である。
【図19】変形例２に係る発注支援装置１００が行う有益情報の送信処理の一例を示すフローチャートである。
【図20】変形例３に係る商品管理情報の一例を示す説明図である。
【図21】変形例３に係る発注支援装置１００が行う健康サポート情報の送信処理の一例を示すフローチャートである。
【図22】変形例５に係る消費履歴テーブルの一例を示す説明図である。
【図23】変形例６に係る発注履歴テーブルの一例を示す説明図である。
【発明を実施するための形態】
【0011】
以下、本発明の実施形態を、図面を参照しつつ説明する。以下で説明する実施形態は一例に過ぎず、本発明が適用される実施形態は、以下の実施形態に限られない。
【0012】
（実施形態）
（発注支援システム１のネットワーク構成）
図１は、実施形態に係る発注支援システム１のネットワーク構成を示す説明図である。図１において、発注支援システム１は、発注支援装置１００と、計量装置１１０と、ユーザ端末装置１２０とを含む。各装置は、ネットワーク１４０を介して通信可能に接続されている。各装置は、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、通信部などを備えたコンピュータ装置である。
（発注支援システム１のネットワーク構成）
図１は、実施形態に係る発注支援システム１のネットワーク構成を示す説明図である。図１において、発注支援システム１は、発注支援装置１００と、計量装置１１０と、ユーザ端末装置１２０とを含む。各装置は、ネットワーク１４０を介して通信可能に接続されている。各装置は、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、通信部などを備えたコンピュータ装置である。
【0013】
発注支援装置１００は、オフィス１０等に配置されるコンピュータ装置である。発注支援装置１００は、例えば、パソコンである。ただし、発注支援装置１００は、パソコンに限らず、オフィス１０の内部または外部に設けられるサーバ装置であってもよい。発注支援装置１００は、モデル記憶部１０１（図５参照）と、商品管理ＤＢ（データベース）１０２（図９参照）を備える。
【0014】
発注支援装置１００は、ユーザごとの製品の消費履歴と残量とを管理するとともに、ユーザ端末装置１２０に製品の発注を促す発注催促情報を送信する。製品は、例えば、飲料品である。ただし、製品は、飲料品に限らず、食料品であってもよい。本実施形態において、製品は、例えば、缶ビール、缶チューハイといったアルコール飲料品である。ただし、製品は、アルコール飲料品に限らず、アルコールの入っていない缶ジュースやノンアルコールカクテルなどであってもよい。また、製品は、缶製品に限らず、ペットボトルや紙パックなどの製品でもよい。また、製品は、缶などに小分けされたものに限らず、ボトルサーバーなどのように一の収納容器に封入されたものでもよい。
【0015】
発注支援装置１００は、予めユーザごとに飲料品の消費に係る属性情報を登録してもよい。当該属性情報は、例えば、各家庭１１における一日の消費量（飲酒量）を示す情報でもよいし、年齢、性別、家族構成、休日となる曜日、趣味、休肝日（飲酒をしない日）などの情報でもよい。
【0016】
計量装置１１０は、各家庭１１に配置される。計量装置１１０は、載置される飲料品の重量を計測する。計量装置１１０は、例えば、２４缶入りといったケースごと、飲料品の重量を計測する。計量装置１１０は、飲料品の１缶あたりの重量を参照し、載置された飲料品の本数を計測することが可能である。１缶の容量は、例えば、３５０ｍｌや、５００ｍｌである。例えば、３５０ｍｌの缶ビールを例に挙げると、１缶あたりの缶を含めた重量は、３６５ｇである。また、箱の重量は、１９６ｇである。このため、計量装置１１０は、０ｇ～８９５６０ｇ（３６５ｇ×２４本に１９６を加算）を計量することが可能である。計量装置１１０は、１缶あたりの容量（３５０ｍｌまたは５００ｍｌ）の設定を切り替え可能にしてもよく、設定された容量に応じた本数を計測してもよい。
【0017】
計量装置１１０は、計量結果を発注支援装置１００へ送信する。送信するタイミング（送信タイミング）は、例えば、４時間に１回といったタイミングある。すなわち、計量装置１１０は、４時間の１回のタイミングで、自動で計量結果を発注支援装置１００へ送信する。発注支援装置１００は、計量装置１１０に設定されている１缶あたりの容量（３５０ｍｌまたは５００ｍｌ）に応じた本数に変換する。なお、計量装置１１０の計量結果は、飲料品の重量であるが、以下では、説明の便宜上、計量結果を本数として説明する。
【0018】
なお、計量装置１１０は、各家庭１１に１台配置されることとするが、これに限らず、各家庭１１に複数台配置されてもよい。また、複数人が居住する各家庭１１において、計量装置１１０は、個人（１人）に１台ずつ配置されてもよい。この場合、発注支援装置１００は、個人ごとの消費履歴と残量とを管理すればよい。
【0019】
ユーザ端末装置１２０は、ユーザが所持する端末装置であり、例えば、スマートフォンである。ただし、ユーザ端末装置１２０は、スマートフォンに限らず、パソコン、タブレット端末、携帯電話などであってもよい。ユーザ端末装置１２０は、発注支援装置１００からの指示（発注催促支援情報）に基づいて、ユーザに飲料品の発注を促す通知（発注催促通知）を行う。
【0020】
なお、ユーザ端末装置１２０は、計量装置１１０と有線または無線によって接続可能としてもよい。無線は、例えば、Bluetooth（登録商標）などの近距離無線通信であってもよい。ユーザ端末装置１２０は、計量装置１１０から計量結果を受信して、当該計量結果を発注支援装置１００へ送信してもよい。すなわち、計量結果は、計量装置１１０から直接、発注支援装置１００へ送信されることに限らず、ユーザ端末装置１２０を介して、発注支援装置１００へ送信されてもよい。
【0021】
（発注支援装置１００のハードウェア構成）
図２は、発注支援装置１００のハードウェア構成の一例を示すブロック図である。図２において、発注支援装置１００は、ＣＰＵ２０１と、メモリ２０２と、入力デバイス２０３と、通信Ｉ／Ｆ（インタフェース）２０４と、記憶媒体Ｉ／Ｆ２０５と、ディスプレイ２０６とを備える。各構成部２０１～２０６は、バス２２０によってそれぞれ接続される。
図２は、発注支援装置１００のハードウェア構成の一例を示すブロック図である。図２において、発注支援装置１００は、ＣＰＵ２０１と、メモリ２０２と、入力デバイス２０３と、通信Ｉ／Ｆ（インタフェース）２０４と、記憶媒体Ｉ／Ｆ２０５と、ディスプレイ２０６とを備える。各構成部２０１～２０６は、バス２２０によってそれぞれ接続される。
【0022】
ＣＰＵ２０１は、発注支援装置１００の全体の制御を司る。メモリ２０２は、例えば、ＲＯＭ、ＲＡＭおよびフラッシュＲＯＭなどを有する。例えば、フラッシュＲＯＭやＲＯＭが各種プログラムを記憶する。各種プログラムは、本実施形態に係る発注支援プログラムを含む。ＲＡＭは、ＣＰＵ２０１のワークエリアとして使用される。メモリ２０２に記憶されるプログラムは、ＣＰＵ２０１にロードされることで、コーディングされている処理をＣＰＵ２０１に実行させる。
【0023】
入力デバイス２０３は、タッチパネル、キーボード、マウス、マイクなどを含む。
通信Ｉ／Ｆ２０４は、通信回線を通じて、インターネットなどのネットワーク１４０に接続され、ネットワーク１４０を介して他の装置（例えば、計量装置１１０やユーザ端末装置１２０など）に接続される。また、通信Ｉ／Ｆ２０４は、ネットワーク１４０と自装置内部とのインタフェースを司り、他の装置からのデータの入出力を制御する。通信Ｉ／Ｆ２０４には、例えば、モデムやＬＡＮアダプタなどを採用することができる。
通信Ｉ／Ｆ２０４は、通信回線を通じて、インターネットなどのネットワーク１４０に接続され、ネットワーク１４０を介して他の装置（例えば、計量装置１１０やユーザ端末装置１２０など）に接続される。また、通信Ｉ／Ｆ２０４は、ネットワーク１４０と自装置内部とのインタフェースを司り、他の装置からのデータの入出力を制御する。通信Ｉ／Ｆ２０４には、例えば、モデムやＬＡＮアダプタなどを採用することができる。
【0024】
記憶媒体Ｉ／Ｆ２０５は、ＣＰＵ２０１の制御にしたがって、磁気ディスク、光ディスクなど不図示の記憶媒体に対するデータのリード、ライトを制御する。
ディスプレイ２０６は、画像を表示する出力デバイスである。なお、ディスプレイ２０６のほかにも、出力デバイスとして、スピーカが含まれていてもよい。
ディスプレイ２０６は、画像を表示する出力デバイスである。なお、ディスプレイ２０６のほかにも、出力デバイスとして、スピーカが含まれていてもよい。
【0025】
（計量装置１１０のハードウェア構成）
図３は、計量装置１１０のハードウェア構成の一例を示すブロック図である。図３において、計量装置１１０は、ＣＰＵ３０１と、メモリ３０２と、ロードセル３０３と、通信Ｉ／Ｆ３０４と、ランプ３０５と、ボタンスイッチ３０６とを備える。各構成部３０１～３０６は、バス３２０によってそれぞれ接続される。
図３は、計量装置１１０のハードウェア構成の一例を示すブロック図である。図３において、計量装置１１０は、ＣＰＵ３０１と、メモリ３０２と、ロードセル３０３と、通信Ｉ／Ｆ３０４と、ランプ３０５と、ボタンスイッチ３０６とを備える。各構成部３０１～３０６は、バス３２０によってそれぞれ接続される。
【0026】
ＣＰＵ３０１は、計量装置１１０の全体の制御を司る。メモリ３０２は、例えば、ＲＯＭ、ＲＡＭおよびフラッシュＲＯＭなどを有する。例えば、フラッシュＲＯＭやＲＯＭが各種プログラムを記憶する。各種プログラムは、本実施形態に係る計量結果送信プログラムを含む。ＲＡＭは、ＣＰＵ３０１のワークエリアとして使用される。メモリ３０２に記憶されるプログラムは、ＣＰＵ３０１にロードされることで、コーディングされている処理をＣＰＵ３０１に実行させる。
【0027】
ロードセル３０３は、荷重を検出するセンサであり、荷重を電気信号に変換する。
通信Ｉ／Ｆ３０４は、通信回線を通じて、インターネットなどのネットワーク１４０に接続され、ネットワーク１４０を介して他の装置（例えば、発注支援装置１００や、ユーザ端末装置１２０など）に接続される。
ランプ３０５は、例えばＬＥＤ（light emitting diode）などの発光部であり、所定の色や、所定の点滅態様で点灯可能である。ランプ３０５は、点灯態様によって、電源が投入されていることを示したり、通信状態を示したりする。
通信Ｉ／Ｆ３０４は、通信回線を通じて、インターネットなどのネットワーク１４０に接続され、ネットワーク１４０を介して他の装置（例えば、発注支援装置１００や、ユーザ端末装置１２０など）に接続される。
ランプ３０５は、例えばＬＥＤ（light emitting diode）などの発光部であり、所定の色や、所定の点滅態様で点灯可能である。ランプ３０５は、点灯態様によって、電源が投入されていることを示したり、通信状態を示したりする。
【0028】
ボタンスイッチ３０６は、ユーザの操作を受け付けるスイッチである。ボタンスイッチ３０６は、設置時や設定作業時などに操作される。具体的には、ボタンスイッチ３０６は、ユーザ端末装置１２０との通信接続を行う際に操作されたり、所定の送信タイミング以外のタイミングで計量結果を送信（強制送信）する場合に操作されたりする。
【0029】
（発注ラインについて）
図４は、発注ラインの一例を示す説明図である。図４（Ａ）、（Ｂ）において、横軸は時間を示し、縦軸は計量装置１１０によって計量される飲料品（缶ビール）の本数（重量）を示す。図４（Ａ）および図４（Ｂ）に示すように、飲料品の本数４０１は、時間の経過とともに、ユーザが飲料の消費することによって減少していく。発注ライン４００は、ユーザに飲料品の発注を促す通知（発注催促通知）を行うタイミングである本数（残本数）を示す。
図４は、発注ラインの一例を示す説明図である。図４（Ａ）、（Ｂ）において、横軸は時間を示し、縦軸は計量装置１１０によって計量される飲料品（缶ビール）の本数（重量）を示す。図４（Ａ）および図４（Ｂ）に示すように、飲料品の本数４０１は、時間の経過とともに、ユーザが飲料の消費することによって減少していく。発注ライン４００は、ユーザに飲料品の発注を促す通知（発注催促通知）を行うタイミングである本数（残本数）を示す。
【0030】
図４（Ａ）に示す発注ライン４００は、例えば、発注支援システム１の利用開始時にユーザによって設定される残本数である。発注ライン４００は、在庫切れが生じることのないように、配送期間や消費量等を考慮して予めユーザによって設定される。本実施形態において、発注ライン４００は、例えば５本（残り５本）である。なお、配送期間は、説明を簡略化するため、例えば、１日とし、すなわち、発注した日の翌日に発注者の手元に届く期間とする。なお、発注ライン４００は、ユーザに応じた値（残本数）に設定されることに限らず、予め発注支援装置１００で定めた一定の値としてもよい。
【0031】
本実施形態では、消費履歴に基づいて、現在の飲料品の残数が発注ライン４００以下になると、ユーザに飲料品の発注を促す通知を行うようにしている。特に、本実施形態では、図４（Ｂ）に示すように、ユーザの消費履歴に基づいて、発注ライン４００を変更可能にしている。以下、図５を参照して、発注支援装置１００の機能的構成について説明する。
【0032】
（発注支援装置１００の機能的構成について）
図５は、発注支援装置１００の機能的構成の一例を示すブロック図である。図５に示すように、発注支援装置１００は、計量結果取得部５０１と、入力情報取得部５０２と、判別部５０３と、出力部５０４と、モデル記憶部１０１とを備える。発注支援装置１００内の各部は、バスを経由して互いに通信可能である。計量結果取得部５０１と、入力情報取得部５０２と、判別部５０３と、出力部５０４とは、ＣＰＵ２０１によって実現される。すなわち、ＣＰＵ２０１が発注支援プログラムを実行することにより各部の機能を実現する。モデル記憶部１０１は、メモリ２０２によって実現される。
図５は、発注支援装置１００の機能的構成の一例を示すブロック図である。図５に示すように、発注支援装置１００は、計量結果取得部５０１と、入力情報取得部５０２と、判別部５０３と、出力部５０４と、モデル記憶部１０１とを備える。発注支援装置１００内の各部は、バスを経由して互いに通信可能である。計量結果取得部５０１と、入力情報取得部５０２と、判別部５０３と、出力部５０４とは、ＣＰＵ２０１によって実現される。すなわち、ＣＰＵ２０１が発注支援プログラムを実行することにより各部の機能を実現する。モデル記憶部１０１は、メモリ２０２によって実現される。
【0033】
計量結果取得部５０１（取得部の一例）は、計量装置１１０から所定周期（４時間周期）で送信される計量結果を取得する。すなわち、計量結果取得部５０１は、所定周期（４時間周期）で計量結果を取得する。
【0034】
入力情報取得部５０２は、所定の取得タイミングで暦情報を取得する。暦情報は、日付を示す日付情報と、曜日を示す曜日情報とを含む。なお、暦情報は、曜日情報のみを含んでもよいし、日付情報のみを含んでもよい。所定の取得タイミングは、例えば、計量結果取得部５０１によって計量結果が取得されたタイミングとしてもよいし、日付が変わったタイミングなど一日に一回のタイミングとしてもよい。
【0035】
モデル記憶部１０１は、学習済モデル５１０を記憶する。学習済モデル５１０は、後述するモデル生成部１２０２（図１２参照）によって生成される。学習済モデル５１０は、訓練（学習）によって最適化されたパラメータ（学習済パラメータ）によって表される学習モデルである。言い換えれば、学習済モデル５１０は、学習モデルを訓練し、訓練によってパラメータが最適化されて生成された学習モデルである。
【0036】
なお、学習済モデル５１０は、発注支援装置１００とは異なる他の装置において生成されてもよい。この場合、学習済モデル５１０は、当該他の装置から供給されることによって、モデル記憶部１０１にされてもよい。
【0037】
また、ユーザが発注支援システム１を利用開始した際には、当該ユーザに応じた学習済モデル５１０が生成されていない。このため、発注支援システム１の利用開始時には、予め生成した汎用の学習済モデル５１０が用いられるようにすればよい。具体的には、例えば、年齢、性別、休日などのユーザの属性に応じた複数種類の汎用の学習済モデル５１０を用意しておき、発注支援システム１の利用を開始するユーザの属性に最も近い属性に応じた学習済モデル５１０が用いられるようにすればよい。
【0038】
（学習済モデル５１０の一例について）
図６は、学習済モデル５１０の一例を示す説明図である。図６に示すように、学習済モデル５１０は、例えば、ニューラルネットワークを用いて表されるモデルである。ただし、学習済モデル５１０は、例えば、ＤＮＮ（Deep Neural Network）であってもよい。学習済パラメータは、例えば、ニューラルネットワークの層数と、各層におけるニューロンの個数と、ニューロン同士の結合関係と、各ニューロン間の結合の重み（結合荷重）と、各ニューロンの閾値とを含む。学習済モデル５１０は、入力層６０１と、１以上の中間層６０２（隠れ層）と、出力層６０３とを含む。各層６０１～６０３は、１以上のニューロンを備えている。中間層６０２の層数や、各層におけるニューロンの個数等は、学習済パラメータによって設定されている。
図６は、学習済モデル５１０の一例を示す説明図である。図６に示すように、学習済モデル５１０は、例えば、ニューラルネットワークを用いて表されるモデルである。ただし、学習済モデル５１０は、例えば、ＤＮＮ（Deep Neural Network）であってもよい。学習済パラメータは、例えば、ニューラルネットワークの層数と、各層におけるニューロンの個数と、ニューロン同士の結合関係と、各ニューロン間の結合の重み（結合荷重）と、各ニューロンの閾値とを含む。学習済モデル５１０は、入力層６０１と、１以上の中間層６０２（隠れ層）と、出力層６０３とを含む。各層６０１～６０３は、１以上のニューロンを備えている。中間層６０２の層数や、各層におけるニューロンの個数等は、学習済パラメータによって設定されている。
【0039】
入力層６０１には、入力情報取得部５０２によって取得された暦情報（日付情報、および曜日情報）が入力される。出力層６０３からは、暦情報に応じた消費本数を示す出力値が出力される。
【0040】
学習済モデル５１０の生成の詳細については後述するが、学習済モデル５１０は、入力層６０１に各日の暦情報を入力したときに出力層６０３から出力される各日の消費本数（消費本数が消費される確率）が、各日の実際の消費実績（消費本数の結果）と、なるべく合致するように訓練されて、生成された学習モデルである。
【0041】
判別部５０３は、計量結果から得られる飲料品の消費履歴と、計量結果が示す現在の飲料品の残数（残本数）とに基づいて、飲料品の発注を行うか否かの判別を行う。具体的には、判別部５０３は、計量結果が示す現在の残本数が発注用の閾値以下となるか否かの判別（以下「閾値判別」という。）を行う。閾値は、発注ライン４００（図４参照）が示す値であり、予めユーザによって設定された数量（以下「基準閾値」という。）である。本実施形態において、基準閾値は、例えば、５本である。
【0042】
判別部５０３は、消費量予測部５０３ａと、閾値変更部５０３ｂとを備える。消費量予測部５０３ａは、ユーザの飲料品の消費履歴に基づいて、飲料品の消費量を予測する。具体的には、消費量予測部５０３ａは、当日以降の所定の予測期間分の消費量（予測消費本数）を予測することが可能である。本実施形態において、予測期間は、当日の１日とする。ただし、予測期間は、例えば、３日、１週間、１０日といった複数日とすることも可能である。言い換えれば、消費量予測部５０３ａは、毎日の予測消費本数を予測せずに、複数日分の予測消費本数を予測することも可能である。なお、予測期間は、ユーザの設定または発注支援装置１００のオペレータの設定により、変更可能としてもよい。
【0043】
予測期間は、配送期間に応じた期間として設定することが可能である。本実施形態においては、配送期間を１日としている。このため、予測期間を当日の１日分としている。これにより、当日の消費量の予測結果に基づいて、ユーザが発注を行うことによって、翌日には飲料品を補充することができる。なお、配送期間が２日であれば、予測期間を、当日と翌日を含めた２日とすればよい。また、配送期間がＮ日であれば、予測期間を、当日を含めたＮ日とすればよい。消費量予測部５０３ａは、例えば、予め設定したタイミングで予測消費本数を予測する。このタイミングは、例えば、朝６時～１０時（４時間）の間に計量結果を受信したタイミングである。なお、予測消費本数の予測は、１日に１回行われることとするが、１日に複数回行われるようにしてもよい。
【0044】
消費量予測部５０３ａは、モデル記憶部１０１に記憶されている学習済モデル５１０を用いて、当日分の予測消費本数の確率を予測する。なお、消費量予測部５０３ａは、ユーザの飲料品の消費履歴に加えて、ユーザの飲料品の消費に係る属性情報（年齢、性別、家族構成、休日となる曜日、趣味、休肝日等）に基づいて、飲料品の消費量を予測してもよい。
【0045】
閾値変更部５０３ｂは、予測消費本数に基づいて、閾値を変更する。閾値は、図４に示した発注ライン４００に相当する。以下、閾値変更部５０３ｂによって変更される閾値について、予測消費本数との関係を挙げて一例を列挙する。
・「予測消費本数＝０」の場合、閾値を基準閾値（５本）のままとする。
・「予測消費本数＝１」の場合、閾値を「基準閾値＋１本（＝６本）」とする。
・「予測消費本数＝２」の場合、閾値を「基準閾値＋２本（＝７本）」とする。
・「予測消費本数＝３」の場合、閾値を「基準閾値＋３本（＝８本）」とする。
・「予測消費本数＝Ｎ」の場合、閾値を「基準閾値＋Ｎ本（＝５＋Ｎ本）」とする。
・「予測消費本数＝０」の場合、閾値を基準閾値（５本）のままとする。
・「予測消費本数＝１」の場合、閾値を「基準閾値＋１本（＝６本）」とする。
・「予測消費本数＝２」の場合、閾値を「基準閾値＋２本（＝７本）」とする。
・「予測消費本数＝３」の場合、閾値を「基準閾値＋３本（＝８本）」とする。
・「予測消費本数＝Ｎ」の場合、閾値を「基準閾値＋Ｎ本（＝５＋Ｎ本）」とする。
【0046】
これにより、当日（予測期間）に予測消費本数分の飲料品が消費されたとしても、翌日（予測期間に相当する期間の経過後）には飲料品を補充することができる。したがって、ユーザは基準閾値を超える残本数を常時確保することができる。
【0047】
なお、予測期間を複数日とした場合、閾値変更部５０３ｂは、毎日、閾値を変更可能にせずに、複数日分の閾値を変更可能にすればよい。また、予測期間を複数日（例えば１週間）とした場合、当該複数日における予測消費本数が少なければ（例えば１週間に２本であれば）、閾値変更部５０３ｂは、基準閾値から減算した閾値（例えば３本）に変更してもよい。基準閾値から減算する値（減算値）は、複数日分の予測消費本数に応じた値（本数）としてもよい。具体的には、複数日における予測消費本数と減算値とを予め対応付けた対応情報を用意しておき、閾値変更部５０３ｂは、当該対応情報を参照して、予測消費本数に応じた減算値を特定するようにすればよい。なお、減算値は、予測消費本数に応じた値とすることに限らず、一定の値としてもよい。
【0048】
閾値判別では、閾値変更部５０３ｂによって変更可能な閾値が用いられる。すなわち、判別部５０３は、計量結果から予測される当日の飲料品の残数が閾値変更部５０３ｂによって変更可能な閾値以下となったか否かの閾値判別を行う。
【0049】
出力部５０４は、判別部５０３の判別結果に基づいて、ユーザに飲料品の発注を促す発注催促情報を出力する。具体的には、出力部５０４は、現在の飲料品の残数が閾値以下となった場合に、発注催促情報を出力する。発注催促情報の出力において、出力部５０４は、通信Ｉ／Ｆ２０４を制御して、ユーザ端末装置１２０へ発注催促情報を送信によって出力する。
【0050】
また、出力部は、判別部５０３の判別結果に基づいて、飲料品の発注を行う発注情報を出力してもよい。発注情報は、通信Ｉ／Ｆ２０４から、販売サイトに送信される。これにより、飲料品の自動発注を行うことが可能である。自動発注は、ユーザの設定に応じて行われてもよい。すなわち、自動発注を行う設定と、自動発注を行わない設定とが切替え可能であってもよい。また、自動発注を行う際の販売サイトについてもユーザによって設定されるようにしてもよい。自動発注を行う場合、出力部は、ユーザ端末装置１２０へ、自動発注を行った旨を示す情報を送信すればよい。
【0051】
ユーザ端末装置１２０は、発注支援装置１００から発注催促情報を受信すると、当該発注催促情報に基づく通知（発注催促通知）を行う。発注催促通知の具体例については、図１１を用いて後述する。なお、発注支援装置１００における自動発注の切替えが可能であるとすると、ユーザ端末装置１２０は、自動発注を行う設定と、自動発注を行わない設定とのいずれか一方を受け付けるようにすればよい。
【0052】
（発注支援システム１の処理の流れについて）
図７は、発注支援システム１の処理の流れの一例を示すシーケンス図である。図７において、計量装置１１０は、所定タイミング（４時間経過）となったか否かを判断する（ステップＳ７０１）。所定タイミングではない場合（ステップＳ７０１：ＮＯ）、計量装置１１０は、そのまま終了する。一方、所定タイミングである場合（ステップＳ７０１：ＹＥＳ）、計量装置１１０は、計量結果を発注支援装置１００へ送信する（ステップＳ７０２）。
図７は、発注支援システム１の処理の流れの一例を示すシーケンス図である。図７において、計量装置１１０は、所定タイミング（４時間経過）となったか否かを判断する（ステップＳ７０１）。所定タイミングではない場合（ステップＳ７０１：ＮＯ）、計量装置１１０は、そのまま終了する。一方、所定タイミングである場合（ステップＳ７０１：ＹＥＳ）、計量装置１１０は、計量結果を発注支援装置１００へ送信する（ステップＳ７０２）。
【0053】
発注支援装置１００は、計量装置１１０から計量結果を受信すると、発注支援処理（図８参照）を行う（ステップＳ７０３）。そして、発注支援装置１００は、発注支援処理によって発注催促情報が出力されたか否かを判断する（ステップＳ７０４）。発注催促情報が出力されない場合（ステップＳ７０４：ＮＯ）、発注支援装置１００は、一日（前日）の消費量の集計タイミングであるか否かを判断する（ステップＳ７０６）。
【0054】
一日の消費量の集計タイミングは、予め設定しておけばよく、例えば、午前６時～１０時の間で計量結果を受信したタイミングとすればよい。一日の消費量の集計タイミングではない場合（ステップＳ７０６：ＮＯ）、発注支援装置１００は、ステップＳ７１１に進む。一方、一日の消費量の集計タイミングである場合（ステップＳ７０６：ＹＥＳ）、一日（前日）の消費量の集計結果を用いて、学習済モデル５１０を更新する（ステップＳ７０７）。
【0055】
ステップＳ７０４において、発注催促情報が出力された場合（ステップＳ７０４：ＹＥＳ）、発注支援装置１００は、発注催促情報をユーザ端末装置１２０へ送信する（ステップＳ７０５）。ユーザ端末装置１２０は、発注支援装置１００から発注催促情報を受信すると、当該発注催促情報に基づいて発注催促通知（図１１参照）を行う（ステップＳ７０８）。
【0056】
ユーザ端末装置１２０は、発注が行われない場合（ステップＳ７０９：ＮＯ）、そのまま終了する。一方、発注が行われた場合（ステップＳ７０９：ＹＥＳ）、発注が行われた旨を示す発注完了通知を発注支援装置１００へ送信する（ステップＳ７１０）。なお、ユーザ端末装置１２０は、発注完了通知を送信しないようにしてもよい。この場合、ユーザ端末装置１２０は、販売サイトにアクセスしたことを示す通知を発注支援装置１００へ送信してもよい。
【0057】
発注支援装置１００は、ユーザ端末装置１２０から発注完了通知を受信したか否かを判断し（ステップＳ７１１）、発注完了通知を受信しない場合（ステップＳ７１１：ＮＯ）、そのまま終了する。一方、ユーザ端末装置１２０から発注完了通知を受信した場合（ステップＳ７１１：ＹＥＳ）、ユーザごとの購入履歴を更新し（ステップＳ７１２）、そのまま終了する。なお、発注支援装置１００は、ユーザ端末装置１２０から発注完了通知が送信されないようにする場合は、購入履歴を更新しなくてもよい。また、発注支援装置１００は、ユーザ端末装置１２０から、販売サイトにアクセスしたことを示す通知が送信されるようにする場合には、この通知を購入と見なして、購入履歴を更新してもよい。
【0058】
（発注支援装置１００が行う発注支援処理の一例について）
図８は、発注支援装置１００が行う発注支援処理の一例を示すフローチャートである。図８において、発注支援装置１００は、計量結果を受信したか否かを判断する（ステップＳ８０１）。計量結果を受信しない場合（ステップＳ８０１：ＮＯ）、発注支援装置１００は、そのまま終了する。一方、計量結果を受信した場合（ステップＳ８０１：ＹＥＳ）、発注支援装置１００は、予測消費本数出力処理（図１０参照）を行う（ステップＳ８０２）。
図８は、発注支援装置１００が行う発注支援処理の一例を示すフローチャートである。図８において、発注支援装置１００は、計量結果を受信したか否かを判断する（ステップＳ８０１）。計量結果を受信しない場合（ステップＳ８０１：ＮＯ）、発注支援装置１００は、そのまま終了する。一方、計量結果を受信した場合（ステップＳ８０１：ＹＥＳ）、発注支援装置１００は、予測消費本数出力処理（図１０参照）を行う（ステップＳ８０２）。
【0059】
そして、発注支援装置１００は、基準閾値と予測消費本数とに基づいて、閾値を決定する（ステップＳ８０３）。次に、発注支援装置１００は、残量（現在の本数）が、決定した閾値以下であるか否かを判断する（ステップＳ８０４）。残量（現在の本数）が閾値以下ではない場合（ステップＳ８０４：ＮＯ）、発注支援装置１００は、一連の処理を終了する。一方、残量（現在の本数）が閾値以下である場合（ステップＳ８０４：ＹＥＳ）、通知タイミングであるか否かを判断する（ステップＳ８０５）。通知タイミングは、例えば、予め設定された１日１回のタイミングである。通知タイミングは、例えば、午前６時～１０時の間で計量結果を受信したタイミングとしてもよい。
【0060】
通知タイミングではない場合（ステップＳ８０５：ＮＯ）、発注支援装置１００は、一連の処理を終了する。通知タイミングである場合（ステップＳ８０５：ＹＥＳ）、発注支援装置１００は、図９に示す商品管理ＤＢ１０２を参照し、ユーザの購入履歴に応じた商品の販売サイトＵＲＬ（Uniform Resource Locator）を抽出する（ステップＳ８０６）。そして、発注支援装置１００は、抽出した販売サイトＵＲＬを含む発注催促情報を出力し（ステップＳ８０７）、一連の処理を終了する。
【0061】
（商品管理ＤＢ１０２の一例）
図９は、商品管理ＤＢ１０２の一例を示す説明図である。図９において、商品管理ＤＢ１０２は、商品名と、容量と、ケース個数と、販売サイトＵＲＬとの各項目を含む。商品名は、商品の名称を示す。容量は、１本あたりの容量を示す。ケース個数は、販売単位である１ケースに含まれる本数を示す。販売サイトＵＲＬは、インターネット等で当該商品の販売を行うサイトのＵＲＬを示す。各項目に情報が入力されることにより商品管理情報が記憶される。発注支援装置１００は、商品管理ＤＢ１０２を参照して、ユーザごとに購入履歴に応じた商品の販売サイトＵＲＬを抽出する。
図９は、商品管理ＤＢ１０２の一例を示す説明図である。図９において、商品管理ＤＢ１０２は、商品名と、容量と、ケース個数と、販売サイトＵＲＬとの各項目を含む。商品名は、商品の名称を示す。容量は、１本あたりの容量を示す。ケース個数は、販売単位である１ケースに含まれる本数を示す。販売サイトＵＲＬは、インターネット等で当該商品の販売を行うサイトのＵＲＬを示す。各項目に情報が入力されることにより商品管理情報が記憶される。発注支援装置１００は、商品管理ＤＢ１０２を参照して、ユーザごとに購入履歴に応じた商品の販売サイトＵＲＬを抽出する。
【0062】
（発注支援装置１００が行う予測消費本数出力処理の一例について）
図１０は、発注支援装置１００が行う予測消費本数出力処理の一例を示すフローチャートである。図１０において、発注支援装置１００は、当日の日付情報および曜日情報を含む暦情報を取得する（ステップＳ１００１）。そして、発注支援装置１００は、暦情報を学習済モデル５１０に入力する（ステップＳ１００２）。次に、発注支援装置１００は、最も確率の高い予測消費本数を出力し（ステップＳ１００３）、一連の処理を終了する。
図１０は、発注支援装置１００が行う予測消費本数出力処理の一例を示すフローチャートである。図１０において、発注支援装置１００は、当日の日付情報および曜日情報を含む暦情報を取得する（ステップＳ１００１）。そして、発注支援装置１００は、暦情報を学習済モデル５１０に入力する（ステップＳ１００２）。次に、発注支援装置１００は、最も確率の高い予測消費本数を出力し（ステップＳ１００３）、一連の処理を終了する。
【0063】
（ユーザ端末装置１２０が行う発注催促通知の一例について）
図１１は、ユーザ端末装置１２０が行う発注催促通知の一例を示す説明図である。図１１（Ａ）、（Ｂ）は、ユーザ端末装置１２０のディスプレイに表示される発注催促通知１１００（１１００ａ、１１００ｂ）を示す。図１１（Ａ）に示す発注催促通知１１００ａは、例えば、１月１７日の月曜日における通知を示しており、残りが６本になったことによって発注を促す通知を示している。一方で、図１１（Ｂ）に示す発注催促通知１１００ｂは、例えば、１月２１日の金曜日における通知を示しており、残り１０本になったことによって発注を促す通知を示している。このように、本実施形態では、日付や曜日ごとの予測消費本数に応じて閾値判別に係る閾値を変えて、発注を促すことができる。
図１１は、ユーザ端末装置１２０が行う発注催促通知の一例を示す説明図である。図１１（Ａ）、（Ｂ）は、ユーザ端末装置１２０のディスプレイに表示される発注催促通知１１００（１１００ａ、１１００ｂ）を示す。図１１（Ａ）に示す発注催促通知１１００ａは、例えば、１月１７日の月曜日における通知を示しており、残りが６本になったことによって発注を促す通知を示している。一方で、図１１（Ｂ）に示す発注催促通知１１００ｂは、例えば、１月２１日の金曜日における通知を示しており、残り１０本になったことによって発注を促す通知を示している。このように、本実施形態では、日付や曜日ごとの予測消費本数に応じて閾値判別に係る閾値を変えて、発注を促すことができる。
【0064】
発注催促通知１１００において、発注を行うことを示す「はい」ボタンがユーザに選択されると、図１１（Ｃ）に示す発注用画面１１１０に遷移する。発注用画面１１１０は、商品の販売サイトの選択を受け付ける画面を示す。発注用画面１１１０には、販売サイト画像１１１１（１１１１ａ、１１１１ｂ）が表示されている。いずれかの販売サイト画像１１１１がユーザによって選択されると、商品の発注手続きを行う画面に遷移し、発注を確定させることができる。発注が確定すると、ユーザ端末装置１２０は、発注完了通知を発注支援システム１に送信する。
【0065】
（学習済モデル５１０の生成について）
次に、図１２を用いて、学習済モデル５１０の生成について説明する。
図１２は、学習済モデル５１０の生成に係る発注支援装置１００の機能的構成を示すブロック図である。発注支援装置１００は、データセット取得部１２０１と、モデル生成部１２０２と、モデル生成記憶部１２１０とを備える。各部１２０１、１２０２は、ＣＰＵ２０１によって実現される。すなわち、ＣＰＵ２０１が発注支援プログラムに含まれるモデル生成プログラムを実行することにより各部の機能を実現する。モデル生成記憶部１２１０は、メモリ２０２によって実現される。
次に、図１２を用いて、学習済モデル５１０の生成について説明する。
図１２は、学習済モデル５１０の生成に係る発注支援装置１００の機能的構成を示すブロック図である。発注支援装置１００は、データセット取得部１２０１と、モデル生成部１２０２と、モデル生成記憶部１２１０とを備える。各部１２０１、１２０２は、ＣＰＵ２０１によって実現される。すなわち、ＣＰＵ２０１が発注支援プログラムに含まれるモデル生成プログラムを実行することにより各部の機能を実現する。モデル生成記憶部１２１０は、メモリ２０２によって実現される。
【0066】
データセット取得部１２０１は、学習用データセット１２００を取得する。データセット取得部１２０１は、記憶媒体（ＵＳＢメモリ等）を用いて外部から学習用データセット１２００を取得してもよいし、通信によって外部から学習用データセット１２００を取得してもよい。
【0067】
ここで、図１３を用いて学習用データセット１２００について説明する。
図１３は、学習用データセットの一例を示す説明図である。図１３において、学習用データセット１２００は、学習用サンプル１～Ｎを含む。各学習用サンプル１～Ｎは、それぞれ入力サンプル１３０１と出力サンプル１３０２とを含む。
図１３は、学習用データセットの一例を示す説明図である。図１３において、学習用データセット１２００は、学習用サンプル１～Ｎを含む。各学習用サンプル１～Ｎは、それぞれ入力サンプル１３０１と出力サンプル１３０２とを含む。
【0068】
入力サンプル１３０１は、学習モデルの訓練時に入力層６０１に入力されるデータである。具体的には、入力サンプル１３０１は、日付情報および曜日情報を含む暦情報であり、学習モデルの訓練時に入力層６０１に入力されるデータである。
出力サンプル１３０２は、学習モデルの訓練時に出力層６０３からの出力値と比較するための正解となるデータ（教師データ、正解ラベルとも称する）である。出力サンプル１３０２は、各日付および各曜日に消費された飲料品の本数を示す実績情報（実際の消費本数）であり、学習モデルの訓練時に出力層６０３からの出力値と比較するための正解となる教師データ（正解ラベル）である。
出力サンプル１３０２は、学習モデルの訓練時に出力層６０３からの出力値と比較するための正解となるデータ（教師データ、正解ラベルとも称する）である。出力サンプル１３０２は、各日付および各曜日に消費された飲料品の本数を示す実績情報（実際の消費本数）であり、学習モデルの訓練時に出力層６０３からの出力値と比較するための正解となる教師データ（正解ラベル）である。
【0069】
データセット取得部１２０１は、学習用サンプル１～Ｎをまとめて取得してもよいし、個別に取得してもよい。学習用サンプル１は、ある日付（例えば１２月１日）のある曜日（水曜日）の情報である。学習用サンプル２は、ある日付（例えば１２月２日）のある曜日（木曜日）の情報である。
【0070】
モデル生成記憶部１２１０は、学習モデルとパラメータとを記憶する。なお、モデル生成記憶部１２１０は、データセット取得部１２０１によって取得された学習用データセット１２００を記憶してもよい。この場合、データセット取得部１２０１は、モデル生成部１２０２から学習用データセット１２００を取得すればよい。
【0071】
モデル生成部１２０２は、データセット取得部１２０１によって取得された学習用データセット１２００を用いて学習モデルを訓練して、学習済モデル５１０を生成する。モデル生成部１２０２は、生成した学習済モデル５１０をモデル記憶部１０１に記憶させる。
【0072】
具体的には、モデル生成部１２０２は、入力サンプル１３０１のそれぞれを入力層６０１に入力して、出力層６０３から得られるそれぞれの出力値と、出力サンプル１３０２のそれぞれとの差が少なくなるように、学習モデルのパラメータを更新して、学習済モデル５１０を生成する。一例として、モデル生成部１２０２は、下記（１）～（５）に示すように、誤差逆伝播法（バックプロパゲーション）を用いて、学習済モデル５１０を生成してもよい。
【0073】
（１）モデル生成部１２０２は、学習用データセット１２００の入力サンプル１３０１を入力層６０１に入力し、学習モデルの順伝播方向の演算処理を行うことにより、出力層６０３から出力値を得る。出力層６０３からの出力値は、それぞれの消費本数の確率（尤度）を表す値である。
（２）モデル生成部１２０２は、全ての入力サンプル１３０１について、例えば誤差逆伝播法により、出力層６０３からの出力値と出力サンプル１３０２との誤差を算出する。出力サンプル１３０２は、実績情報（実際の消費本数）である。例えば、学習用サンプル１の出力サンプル１３０２としての消費本数が１０本を示すものであるときに、学習用サンプル１の入力サンプル１３０１を入力層６０１に入力して出力層６０３からの得られる出力値として消費本数が１０本であれば、学習用サンプル１に関する誤差はゼロである。
（３）モデル生成部１２０２は、算出した誤差が所定値以内であるか否かを判断する。
（４）モデル生成部１２０２は、算出した誤差が所定値以内であれば、各ニューロン間の結合の重み等の各種パラメータ（各ニューロン間の結合の重み、各ニューロンの閾値等）は最適化されていると判断し、学習（訓練）を終了し、学習済モデル５１０の生成を完了する。各種パラメータを学習済パラメータとした学習モデルを学習済モデル５１０とする。
（５）モデル生成部１２０２は、算出した誤差が所定値以内でなければ、算出した各誤差に基づいて各種パラメータを更新する。以下、モデル生成部１２０２は、各種パラメータを更新した学習モデルに対し、再度、入力サンプル１３０１を入力層６０１に入力し、上記誤差が所定値以内になるまで、繰り返し、各種パラメータを更新する。
（２）モデル生成部１２０２は、全ての入力サンプル１３０１について、例えば誤差逆伝播法により、出力層６０３からの出力値と出力サンプル１３０２との誤差を算出する。出力サンプル１３０２は、実績情報（実際の消費本数）である。例えば、学習用サンプル１の出力サンプル１３０２としての消費本数が１０本を示すものであるときに、学習用サンプル１の入力サンプル１３０１を入力層６０１に入力して出力層６０３からの得られる出力値として消費本数が１０本であれば、学習用サンプル１に関する誤差はゼロである。
（３）モデル生成部１２０２は、算出した誤差が所定値以内であるか否かを判断する。
（４）モデル生成部１２０２は、算出した誤差が所定値以内であれば、各ニューロン間の結合の重み等の各種パラメータ（各ニューロン間の結合の重み、各ニューロンの閾値等）は最適化されていると判断し、学習（訓練）を終了し、学習済モデル５１０の生成を完了する。各種パラメータを学習済パラメータとした学習モデルを学習済モデル５１０とする。
（５）モデル生成部１２０２は、算出した誤差が所定値以内でなければ、算出した各誤差に基づいて各種パラメータを更新する。以下、モデル生成部１２０２は、各種パラメータを更新した学習モデルに対し、再度、入力サンプル１３０１を入力層６０１に入力し、上記誤差が所定値以内になるまで、繰り返し、各種パラメータを更新する。
【0074】
（発注支援装置１００が行うモデル生成処理の一例）
図１４は、発注支援装置１００が行うモデル生成処理の一例を示すフローチャートである。なお、図１４のフローチャートの開始時において、モデル生成記憶部１２１０には、学習用データセット１２００、学習モデル、パラメータが記憶されているものとする。図１４において、発注支援装置１００は、学習モデルにそれぞれの入力サンプル１３０１を入力し、学習モデルからそれぞれの出力値を取得する（ステップＳ１４０１）。
図１４は、発注支援装置１００が行うモデル生成処理の一例を示すフローチャートである。なお、図１４のフローチャートの開始時において、モデル生成記憶部１２１０には、学習用データセット１２００、学習モデル、パラメータが記憶されているものとする。図１４において、発注支援装置１００は、学習モデルにそれぞれの入力サンプル１３０１を入力し、学習モデルからそれぞれの出力値を取得する（ステップＳ１４０１）。
【0075】
そして、発注支援装置１００は、それぞれの出力値と、それぞれの出力サンプル（消費本数）との誤差を算出する（ステップＳ１４０２）。次に、発注支援装置１００は、誤差が所定値以内であるか否かを判断する（ステップＳ１４０３）。誤差が所定値以内ではない場合（ステップＳ１４０２：ＮＯ）、発注支援装置１００は、各誤差に基づいて各種パラメータを更新し（ステップＳ１４０４）、ステップＳ１４０１に戻る。つまり、誤差が所定値以内となるまで、ステップＳ１４０１～ステップＳ１４０４を繰り返す。
【0076】
誤差が所定値以内である場合（ステップＳ１４０３：ＹＥＳ）、発注支援装置１００は、訓練を終了し（ステップＳ１４０５）、一連の処理を終了する。つまり、発注支援装置１００による学習済モデル５１０の生成が完了し、一連の処理を終了する。
【0077】
以上説明したように、本実施形態に係る発注支援装置１００は、計量装置１１０の計量結果から得られる飲料品の消費履歴と、計量結果が示す現在の飲料品の残量とに基づいて、飲料品の発注を行うか否かの判別を行い、当該判別の結果に基づいて、発注催促情報を出力する。これにより、ユーザごとに飲料品の消費履歴に応じた最適なタイミングで発注催促通知を行うことができる。したがって、飲料品の発注を効率よく支援することができる。このため、各ユーザにそれぞれ最適なタイミングで製品を発注させることができるとともに、各ユーザの飲料品の在庫が切れてしまうことを抑えることができる。
【0078】
また、本実施形態に係る発注支援装置１００は、飲料の消費履歴に基づいて、予測消費本数を予測する。これにより、ユーザごとの予測消費本数を予測することができるため、飲料品の発注をより効率よく支援することができる。したがって、買い置きした飲料品に在庫切れが生じることを抑えることができるとともに、消費スピードの遅いユーザにとっては飲料品の鮮度が低下することや、賞味期限が切れてしまうことを抑えることができる。
【0079】
また、本実施形態に係る発注支援装置１００は、飲料品の消費履歴に基づいて閾値判別に係る閾値を変更にして閾値判別を行う。これにより、ユーザごとに閾値（図４の発注ライン４００）を変更することができるため、飲料品の発注をより効率よく支援することができる。したがって、買い置きした飲料品に在庫切れが生じることを抑えることができるとともに、消費スピードの遅いユーザにとっては飲料品の鮮度が低下することや、賞味期限が切れてしまうことを抑えることができる。
【0080】
また、本実施形態に係る発注支援装置１００は、暦に応じた消費履歴に基づいて、閾値判別を行う。これにより、日付や曜日に応じた消費履歴に基づいて発注催促情報を出力することができる。このため、日付や曜日ごとに最適なタイミングで発注催促通知を行うことができる。したがって、飲料品の発注をより効率よく支援することができる。
【0081】
（実施形態の変形例）
以下に、実施形態の変形例について説明する。なお、以下の変形例では、上述した実施形態で説明した内容については、適宜説明を省略する。以下に説明する各変形例や上述した実施形態は、適宜、組み合わせることも可能である。
以下に、実施形態の変形例について説明する。なお、以下の変形例では、上述した実施形態で説明した内容については、適宜説明を省略する。以下に説明する各変形例や上述した実施形態は、適宜、組み合わせることも可能である。
【0082】
（変形例１）
まず、変形例１について説明する。上述した実施形態では、暦に応じた消費履歴に基づいて発注催促情報を出力する構成について説明した。変形例１では、暦に加えて、気候、および所定のイベントの有無に応じた消費履歴に基づいて発注催促情報を出力する構成について説明する。
まず、変形例１について説明する。上述した実施形態では、暦に応じた消費履歴に基づいて発注催促情報を出力する構成について説明した。変形例１では、暦に加えて、気候、および所定のイベントの有無に応じた消費履歴に基づいて発注催促情報を出力する構成について説明する。
【0083】
（変形例１に係る発注ラインについて）
図１５は、変形例１に係る発注ラインの一例を示す説明図である。図１５（Ａ）～（Ｄ）において、横軸は時間を示し、縦軸は計量装置１１０によって計量される飲料品（缶ビール）の本数（重量）を示す。図１５（Ａ）～（Ｄ）に示すように、飲料品の本数４０１は、時間の経過とともに、ユーザが飲料品を消費することによって減少していく。発注ライン４００は、ユーザに発注催促通知を行うタイミングである本数（残本数）を示す。
図１５は、変形例１に係る発注ラインの一例を示す説明図である。図１５（Ａ）～（Ｄ）において、横軸は時間を示し、縦軸は計量装置１１０によって計量される飲料品（缶ビール）の本数（重量）を示す。図１５（Ａ）～（Ｄ）に示すように、飲料品の本数４０１は、時間の経過とともに、ユーザが飲料品を消費することによって減少していく。発注ライン４００は、ユーザに発注催促通知を行うタイミングである本数（残本数）を示す。
【0084】
図１５（Ａ）は、猛暑時の発注ライン４００を示す。猛暑時の場合、飲料品の消費（本数４０１の減少）が多くなる傾向にある。このため、変形例１では、猛暑時における発注ライン４００を高めに設定するようにしている。
一方で、図１５（Ｂ）は、天候不順時の発注ライン４００を示す。天候不順の場合、飲料品の消費が乏しい傾向にある。このため、変形例１では、天候不順時における発注ライン４００を低めに設定するようにしている。
一方で、図１５（Ｂ）は、天候不順時の発注ライン４００を示す。天候不順の場合、飲料品の消費が乏しい傾向にある。このため、変形例１では、天候不順時における発注ライン４００を低めに設定するようにしている。
【0085】
図１５（Ｃ）は、第１イベント（例えばスポーツ中継）が行われる際の発注ライン４００を示す。第１イベントが行われるときには、知人等が訪れることもあり、飲料品の消費が多くなる傾向にある。このため、変形例１では、第１イベントが行われる場合には、発注ライン４００を高めに設定するようにしている。
一方で、図１５（Ｄ）は、第２イベント（ゴールデンウイークや年末年始）における発注ライン４００を示す。第２イベントのときには、外出する機会が多いことから、飲料品の消費が乏しい傾向にある。このため、変形例１では、第２イベントの場合には、発注ライン４００を低めに設定するようにしている。
一方で、図１５（Ｄ）は、第２イベント（ゴールデンウイークや年末年始）における発注ライン４００を示す。第２イベントのときには、外出する機会が多いことから、飲料品の消費が乏しい傾向にある。このため、変形例１では、第２イベントの場合には、発注ライン４００を低めに設定するようにしている。
【0086】
（入力情報取得部５０２が取得する情報について）
変形例１において、入力情報取得部５０２（図５参照）は、暦情報のほかにも、気候情報を取得する。気候情報は、天気、気温、降水量、湿度、風速などの各種情報を含む。気候情報は、当日の１日分とするが、これに限らず、当日以降の１週間といった複数日分としてもよい。入力情報取得部５０２は、例えば、毎日１回、所定のタイミング（予測消費本数を予測するタイミング）で気候情報を取得する。気候情報の取得は、自動で行われてもよいし、発注支援装置１００を操作するオペレータによる手動で行われてもよい。入力情報取得部５０２は、所定の天気予報サイトなどから気候情報を取得することが可能である。取得する気候情報は、ユーザの居住地の気候情報である。
変形例１において、入力情報取得部５０２（図５参照）は、暦情報のほかにも、気候情報を取得する。気候情報は、天気、気温、降水量、湿度、風速などの各種情報を含む。気候情報は、当日の１日分とするが、これに限らず、当日以降の１週間といった複数日分としてもよい。入力情報取得部５０２は、例えば、毎日１回、所定のタイミング（予測消費本数を予測するタイミング）で気候情報を取得する。気候情報の取得は、自動で行われてもよいし、発注支援装置１００を操作するオペレータによる手動で行われてもよい。入力情報取得部５０２は、所定の天気予報サイトなどから気候情報を取得することが可能である。取得する気候情報は、ユーザの居住地の気候情報である。
【0087】
また、入力情報取得部５０２は、イベントの有無を示すイベント情報を取得する。イベント情報は、当日のスポーツ中継の有無を示す情報や、当日が長期休暇に含まれるか否かを示す情報、当日の祭りや花火大会といった地域の行事の有無を示す情報などである。また、イベント情報は、ユーザによって登録される誕生日、記念日、家族が集まる日などを示す情報を含む。本実施形態において、イベント情報は、当日のスポーツ中継の有無を示す第１イベント情報と、当日が長期休暇に含まれるか否かを示す第２イベント情報とを含むものとする。なお、祭りや花火大会といった地域の行事は、ユーザの居住地または居住地近傍の行事である。
【0088】
入力情報取得部５０２は、当日の１日分のイベント情報を取得するようにするが、当日以降の１週間といった複数日分のイベント情報をまとめて取得するようにしてもよい。入力情報取得部５０２は、例えば、毎日１回、所定のタイミング（予測消費本数を予測するタイミング）でイベント情報を取得する。イベント情報の取得は、自動で行われてもよいし、発注支援装置１００を操作するオペレータによる手動で行われてもよい。入力情報取得部５０２は、スポーツ中継に関するテレビ欄を含むサイトや、地域ごとのイベントの情報を含むサイトなどから、各イベント情報を取得することが可能である。また、当日が長期休暇に含まれるか否かを示す第２イベント情報は、自装置または他の装置に記憶されるカレンダー情報から取得することが可能である。
【0089】
なお、変形例１において、入力情報取得部５０２は、気候情報とイベント情報との両方を取得することとするが、少なくともいずれか一方を取得することとしてもよい。すなわち、入力情報取得部５０２は、気候情報のみを取得することとしてもよいし、イベント情報のみを取得することとしてもよい。
【0090】
（変形例１に係る学習済モデル１６１０の一例について）
図１６は、変形例１に係る学習済モデル１６１０の一例を示す説明図である。図１６において、入力層６０１には、入力情報取得部５０２によって取得された暦情報（日付情報、および曜日情報）と、気候情報（図示を省略するが、天気情報、気温情報、降水量情報など）と、イベント情報（第１イベント情報および第２イベント情報）とが入力される。出力層６０３からは、暦情報と気候情報とイベント情報とに応じた消費本数を示す出力値が出力される。
図１６は、変形例１に係る学習済モデル１６１０の一例を示す説明図である。図１６において、入力層６０１には、入力情報取得部５０２によって取得された暦情報（日付情報、および曜日情報）と、気候情報（図示を省略するが、天気情報、気温情報、降水量情報など）と、イベント情報（第１イベント情報および第２イベント情報）とが入力される。出力層６０３からは、暦情報と気候情報とイベント情報とに応じた消費本数を示す出力値が出力される。
【0091】
学習済モデル１６１０は、入力層６０１に暦情報と気候情報とイベント情報とを入力したときに出力層６０３から出力される消費本数（消費される本数を示す確率）が、実際の消費実績（消費本数の結果）と、なるべく合致するように訓練されて、生成された学習モデルである。
【0092】
消費量予測部５０３ａは、モデル記憶部１０１に記憶されている学習済モデル１６１０を用いて、当日分の予測消費本数の確率を予測する。閾値変更部５０３ｂは、予測消費本数に基づいて、閾値を変更する。判別部５０３は、計量結果が示す現在の飲料品の残数（残本数）が閾値変更部５０３ｂによって変更された閾値以下となるか否かの閾値判別を行う。
【0093】
（学習済モデル１６１０の生成に用いられる学習用データセットについて）
図１７は、変形例１に係る学習用データセットの一例を示す説明図である。図１７において、学習用データセット１７００は、学習用サンプル１～Ｎを含む。各学習用サンプル１～Ｎは、それぞれ入力サンプル１７０１と出力サンプル１７０２とを含む。
図１７は、変形例１に係る学習用データセットの一例を示す説明図である。図１７において、学習用データセット１７００は、学習用サンプル１～Ｎを含む。各学習用サンプル１～Ｎは、それぞれ入力サンプル１７０１と出力サンプル１７０２とを含む。
【0094】
入力サンプル１７０１は、学習モデルの訓練時に入力層６０１に入力されるデータである。具体的には、入力サンプル１７０１は、暦情報と気候情報とイベント情報とであり、学習モデルの訓練時に入力層６０１に入力されるデータである。
出力サンプル１７０２は、学習モデルの訓練時に出力層６０３からの出力値と比較するための正解となるデータ（教師データ、正解ラベルとも称する）である。出力サンプル１７０２は、各日付、各曜日、各天気、各気温、各降水量、各湿度、各風速、各第１イベントの有無、各第２イベントの有無などに応じて消費された飲料品の本数を示す実績情報（実際の消費本数）であり、学習モデルの訓練時に出力層６０３からの出力値と比較するための正解となる教師データ（正解ラベル）である。
出力サンプル１７０２は、学習モデルの訓練時に出力層６０３からの出力値と比較するための正解となるデータ（教師データ、正解ラベルとも称する）である。出力サンプル１７０２は、各日付、各曜日、各天気、各気温、各降水量、各湿度、各風速、各第１イベントの有無、各第２イベントの有無などに応じて消費された飲料品の本数を示す実績情報（実際の消費本数）であり、学習モデルの訓練時に出力層６０３からの出力値と比較するための正解となる教師データ（正解ラベル）である。
【0095】
データセット取得部１２０１（図１２参照）は、学習用サンプル１～Ｎをまとめて取得してもよいし、個別に取得してもよい。学習用サンプル１は、ある日付（例えば１２月１日）のある曜日（水曜日）のある気候およびイベントの有無を示す情報である。学習用サンプル２は、ある日付（例えば１２月２日）のある曜日（木曜日）の気候およびイベントの有無を示す情報である。
【0096】
モデル生成記憶部１２１０は、学習モデルとパラメータとを記憶する。なお、モデル生成記憶部１２１０は、データセット取得部１２０１によって取得された学習用データセット１７００を、モデル生成部１２０２が読取可能に記憶してもよい。
【0097】
モデル生成部１２０２は、データセット取得部１２０１によって取得された学習用データセット１７００を用いて学習モデルを訓練して、学習済モデル１６１０を生成する。具体的には、モデル生成部１２０２は、入力サンプル１７０１のそれぞれを入力層６０１に入力して、出力層６０３から得られるそれぞれの出力値と、出力サンプル１７０２のそれぞれとの差が少なくなるように、学習モデルのパラメータを更新して、学習済モデル１６１０を生成する。モデル生成部１２０２は、生成した学習済モデル１６１０をモデル記憶部１０１に記憶させる。
【0098】
（変形例１に係る予測消費本数出力処理について）
次に、変形例１に係る予測消費本数出力処理（図８のステップＳ８０２）について説明する。まず、発注支援装置１００は、暦情報と気候情報とイベント情報とを取得する。そして、発注支援装置１００は、暦情報と気候情報とイベント情報とを学習済モデル１６１０に入力する。次に、発注支援装置１００は、最も確率の高い予測消費本数を出力する。発注支援装置１００は、上記の予測消費本数出力処理によって出力された予測消費本数と、基準閾値とに基づいて、閾値を決定し、当該閾値を用いて閾値判別を行う。これにより、変形例１に係る発注支援装置１００は、暦と気候と各イベントの有無とに応じて、閾値を変更して発注催促情報を出力することができる。
次に、変形例１に係る予測消費本数出力処理（図８のステップＳ８０２）について説明する。まず、発注支援装置１００は、暦情報と気候情報とイベント情報とを取得する。そして、発注支援装置１００は、暦情報と気候情報とイベント情報とを学習済モデル１６１０に入力する。次に、発注支援装置１００は、最も確率の高い予測消費本数を出力する。発注支援装置１００は、上記の予測消費本数出力処理によって出力された予測消費本数と、基準閾値とに基づいて、閾値を決定し、当該閾値を用いて閾値判別を行う。これにより、変形例１に係る発注支援装置１００は、暦と気候と各イベントの有無とに応じて、閾値を変更して発注催促情報を出力することができる。
【0099】
なお、変形例１では、学習モデルの入力サンプルに気候情報とイベント情報とを含ませるようにしたが、これに限らない。例えば、学習モデルの入力サンプルに気候情報やイベント情報を含ませなくても、暦情報に基づく予測消費本数を基準にして、気候情報やイベント情報に応じた所定数増減させることが可能である。所定数は、予め設定した値としてもよく、例えば、悪天候のときに「－１」とし、イベントありの時に「＋２」としてもよい。また、外部の装置から、気候に応じた飲料品の消費予測を示す消費データを取得することも可能である。このようにした場合、当該消費データに基づいて、予測消費本数を変更させることが可能である。この変更は、自動で行われてもよいし、発注支援装置１００のオペレータによる手動で行われてもよい。
【0100】
以上説明したように、変形例１に係る発注支援装置１００は、気候情報に応じた消費履歴に基づいて閾値判別を行う。これにより、気候に応じた予測消費本数を予測することができるため、飲料品の発注をより効率よく支援することができる。したがって、買い置きした飲料品に在庫切れが生じることを抑えることができるとともに、消費スピードの遅いユーザにとっては飲料品の鮮度が低下することや賞味期限が切れてしまうことを抑えることができる。
【0101】
また、変形例１に係る発注支援装置１００は、イベント情報に応じた消費履歴に基づいて発注催促情報を出力する。これにより、イベントの有無に応じた予測消費本数を予測することができる。このため、イベントがあるときに飲料品を多く消費するユーザに、飲料品の発注をより効率よく支援することができる。したがって、買い置きした飲料品に在庫切れが生じることを抑えることができる。
【0102】
（変形例２）
次に、実施形態の変形例２について説明する。変形例２では、上述した実施形態に加えて、飲料品の消費履歴に応じてユーザに有益情報を通知することについて説明する。
次に、実施形態の変形例２について説明する。変形例２では、上述した実施形態に加えて、飲料品の消費履歴に応じてユーザに有益情報を通知することについて説明する。
【0103】
（有益情報について）
本実施形態において、発注支援装置１００は、ユーザごとの飲料品の購入履歴（図７のステップＳ７１２）を得る。このため、発注支援装置１００は、当該購入履歴を用いることにより、消費履歴として、発注された飲料品がユーザの手元に届いてから消費されるまでの期間を示す消費期間情報を得ることが可能である。
本実施形態において、発注支援装置１００は、ユーザごとの飲料品の購入履歴（図７のステップＳ７１２）を得る。このため、発注支援装置１００は、当該購入履歴を用いることにより、消費履歴として、発注された飲料品がユーザの手元に届いてから消費されるまでの期間を示す消費期間情報を得ることが可能である。
【0104】
なお、発注支援装置１００は、ユーザ端末装置１２０から発注完了通知が送信されないようにする場合、購入履歴を得ることができない。このような場合、例えば、以下の２つの手法によって消費期間情報を得ることが可能である。
１つ目の手法：ユーザ端末装置１２０は、発注リンク（販売サイトＵＲＬ）のタップを検出した場合に、発注が行われたことを示す通知を発注支援装置１００に送信する。発注支援装置１００は、この通知を受信することにより、前回の発注日と今回の発注日とを特定することができる。発注支援装置１００は、前回の発注日から今回の発注日までの期間を、飲料品が消費されるまでの期間と見なして消費期間情報を得ることが可能である。
１つ目の手法：ユーザ端末装置１２０は、発注リンク（販売サイトＵＲＬ）のタップを検出した場合に、発注が行われたことを示す通知を発注支援装置１００に送信する。発注支援装置１００は、この通知を受信することにより、前回の発注日と今回の発注日とを特定することができる。発注支援装置１００は、前回の発注日から今回の発注日までの期間を、飲料品が消費されるまでの期間と見なして消費期間情報を得ることが可能である。
【0105】
２つ目の手法：発注支援装置１００は、計量装置１１０の計量結果を用いて、飲料品が補充された補充日を特定することが可能である。具体的には、発注支援装置１００は、計量結果が所定値以上増加した日を補充日として特定することが可能である。発注支援装置１００は、前回の補充日から今回の補充日までの期間を、飲料品が消費されるまでの期間と見なして消費期間情報を得ることが可能である。
【0106】
変形例２において、出力部５０４（図５参照）は、消費期間情報に基づいて、ユーザに有益な有益情報を出力する。有益情報は、ユーザに付与する特典情報や、新商品の広告情報などである。
【0107】
具体的に説明すると、飲料品の消費期間が短い場合には、すなわち、計量装置１１０によって計量される飲料品がよく消費されている場合には、発注支援装置１００は、当該飲料品に係る特典をユーザに付与するようにしている。特典は、ポイント付与や優待券の付与などである。一方で、飲料品の消費期間が長い場合には、すなわち、計量装置１１０によって計量される飲料品が消費されにくい場合には、発注支援装置１００は、当該飲料品とは異なる他の飲料品の広告を行うようにしている。他の飲料品は、例えば、自社商品（オフィス１０に係る商品）のうち類似商品や新商品なである。また、他の飲料品は、自社商品のうち、ノンアルコールビールや、ノンアルコールカクテルなどであってもよい。
【0108】
出力部５０４によって出力された有益情報は、ユーザ端末装置１２０に送信されて、ユーザ端末装置１２０からユーザに通知される。ユーザ端末装置１２０は、広告情報が示す商品を表示するとともに、当該商品がユーザに選択されることによって直接販売サイトにアクセスすることが可能である。販売サイトにアクセスして発注が確定すると、ユーザ端末装置１２０は、発注完了通知を発注支援システム１に送信する。
【0109】
これにより、発注支援装置１００は、他の商品の購入履歴を得ることができる。発注支援装置１００は、他の商品（例えば２４缶）が発注された場合には、当該他の商品の消費履歴と残量とを管理して、ユーザ端末装置１２０に当該他の商品の発注を促す発注催促情報を送信するようにしてもよい。
【0110】
（変形例２に係る商品管理情報の一例）
図１８は、変形例２に係る商品管理情報の一例を示す説明図である。図１８に示す商品管理情報１８００は、商品管理ＤＢ１０２（図９参照）に含まれる情報であり、発注支援装置１００のメモリ２０２に記憶される。図１８において、商品管理情報１８００は、商品ごとの消費期間に応じて抽出される有益情報を示す。
図１８は、変形例２に係る商品管理情報の一例を示す説明図である。図１８に示す商品管理情報１８００は、商品管理ＤＢ１０２（図９参照）に含まれる情報であり、発注支援装置１００のメモリ２０２に記憶される。図１８において、商品管理情報１８００は、商品ごとの消費期間に応じて抽出される有益情報を示す。
【0111】
具体的には、商品管理情報１８００は、商品名と、消費期間と、有益情報との各項目を含む。商品名は、商品の名称を示す。消費期間は、例えば、前回の発注から次回の発注までの期間を示す。図示において、消費期間は、Ｔ１とＴ２との２つの閾値を含む。なお、２つの閾値（期間）の長さの関係は「Ｔ１＜Ｔ２」である。有益情報は、特典情報、または他の商品の広告情報を示す。
【0112】
発注支援装置１００は、商品管理情報１８００に基づいて、各商品の消費期間に応じた有益情報を抽出して、ユーザ端末装置１２０へ送信することが可能である。図１８を用いて具体的に説明すると、「○○ドライ」の消費期間がＴ１以下であれば、すなわち、消費スピードが速ければ、所定の特典を示す特典情報が送信される。「○○ドライ」の消費期間がＴ１を超えてＴ２以下であれば、すなわち、消費スピードが普通であれば、特に何も送信されない。なお、消費期間がＴ１を超えてＴ２以下の場合でも、有益情報を送信してもよい。「○○ドライ」の消費期間がＴ２を超えれば、すなわち、消費スピードが遅ければ、他のメーカーの飲料品が購入されてしまうおそれがあることから、自社商品のうち他の商品の広告情報が送信される。
【0113】
（発注支援装置１００が行う有益情報の送信処理の一例について）
図１９は、変形例２に係る発注支援装置１００が行う有益情報の送信処理の一例を示すフローチャートである。図１９において、発注支援装置１００は、ユーザ端末装置１２０から発注完了通知（図７のステップＳ７１１参照）を受信したか否かを判断する（ステップＳ１９０１）。発注完了通知を受信しない場合（ステップＳ１９０１：ＮＯ）、発注支援装置１００は、所定期間（例えば、１日）に１回といった消費期間確認タイミングであるか否かを判断する（ステップＳ１９０２）。
図１９は、変形例２に係る発注支援装置１００が行う有益情報の送信処理の一例を示すフローチャートである。図１９において、発注支援装置１００は、ユーザ端末装置１２０から発注完了通知（図７のステップＳ７１１参照）を受信したか否かを判断する（ステップＳ１９０１）。発注完了通知を受信しない場合（ステップＳ１９０１：ＮＯ）、発注支援装置１００は、所定期間（例えば、１日）に１回といった消費期間確認タイミングであるか否かを判断する（ステップＳ１９０２）。
【0114】
消費期間確認タイミングではない場合（ステップＳ１９０２：ＮＯ）、発注支援装置１００は、一連の処理を終了する。一方、消費期間確認タイミングである場合（ステップＳ１９０２：ＹＥＳ）、発注支援装置１００は、消費期間がＴ２を超えるか否かを判断する（ステップＳ１９０３）。
【0115】
消費期間がＴ２を超えない場合（ステップＳ１９０３：ＮＯ）、発注支援装置１００は、一連の処理を終了する。消費期間がＴ２を超える場合（ステップＳ１９０３：ＹＥＳ）、発注支援装置１００は、商品管理情報１８００（図１８参照）を参照して他の商品の広告情報を抽出し、抽出した広告情報をユーザ端末装置１２０へ送信し（ステップＳ１９０４）、一連の処理を終了する。
【0116】
ステップＳ１９０１において、発注完了通知を受信した場合（ステップＳ１９０１：ＹＥＳ）、発注支援装置１００は、消費期間がＴ１を超えてＴ２以下であるか否かを判断する（ステップＳ１９０５）。消費期間がＴ１を超えてＴ２以下である場合（ステップＳ１９０５：ＹＥＳ）、発注支援装置１００は、一連の処理を終了する。
【0117】
一方、消費期間がＴ１を超えてＴ２以下ではない場合（ステップＳ１９０５：ＮＯ）、発注支援装置１００は、消費期間がＴ２を超えるか否かを判断する（ステップＳ１９０６）。消費期間がＴ２を超える場合（ステップＳ１９０６：ＹＥＳ）、発注支援装置１００は、ステップＳ１９０４に進み、他の商品の広告情報を送信する。
【0118】
消費期間がＴ２を超えない場合（ステップＳ１９０６：ＮＯ）、すなわち、消費期間がＴ１以下である場合、発注支援装置１００は、商品管理情報１８００（図１８参照）を参照して特典情報を抽出し、抽出した特典情報をユーザ端末装置１２０へ送信し（ステップＳ１９０７）、一連の処理を終了する。
【0119】
変形例２に係る発注支援装置１００は、飲料品の消費履歴に応じてユーザに有益情報を通知する。これにより、当該飲料品の消費スピードが速いユーザに対しては、さらなる消費を促すことができる。また、当該飲料品の消費スピードの遅いユーザに対しては、自社商品のうち他の商品を推奨することができるため、他のメーカーの飲料品が購入されてしまうことを抑えることができる。したがって、当該飲料品および他の自社商品の発注を効率よく支援することができる。
【0120】
（変形例３）
次に、実施形態の変形例３について説明する。変形例３では、上述した実施形態に加えて、飲料品の消費履歴に応じてユーザに健康サポート情報を通知することについて説明する。
次に、実施形態の変形例３について説明する。変形例３では、上述した実施形態に加えて、飲料品の消費履歴に応じてユーザに健康サポート情報を通知することについて説明する。
【0121】
（健康サポート情報について）
また、発注支援装置１００は、ユーザごとの飲料品の購入履歴（図７のステップＳ７１２）を得る。発注支援装置１００は、当該購入履歴を用いることにより、消費履歴として、発注された飲料品（アルコール飲料品）の種別と、発注された飲料品が消費されるまでの期間を示す種別期間情報とを得ることが可能である。
また、発注支援装置１００は、ユーザごとの飲料品の購入履歴（図７のステップＳ７１２）を得る。発注支援装置１００は、当該購入履歴を用いることにより、消費履歴として、発注された飲料品（アルコール飲料品）の種別と、発注された飲料品が消費されるまでの期間を示す種別期間情報とを得ることが可能である。
【0122】
変形例３において、出力部５０４（図５参照）は、種別期間情報に基づいて、ユーザの健康をサポートする健康サポート情報を出力する。健康サポート情報は、健康を促す通知情報や、健康商品などの広告情報を含む。健康を促す通知情報は、適切な飲酒を促す旨の情報や、適度な運動を促す旨の情報を含む。広告情報は、アルコールの過剰摂取に適した食品（ウコン、しじみなど）の広告情報や、ノンアルコールビールや炭酸水の広告情報を含む。また、発注支援装置１００は、予めユーザの年齢や体重などのユーザの属性を登録しておくことにより、当該属性に応じた健康サポート情報を出力してもよい。
【0123】
具体的に説明すると、２４缶の飲料品が所定の消費期間以内（例えば６日以内）に消費されたとすると、消費スピードが速い傾向にあり、健康を損ねる可能性がある。特に、アルコール度数が高い飲料品ほど、健康を損ねる可能性が高くなる。このため、変形例２では、アルコール度数が所定値以上（例えば５％以上）の飲料品が所定の消費期間内（例えば６日以内）に消費された場合に、出力部５０４は、健康サポート情報を出力するようにしている。また、アルコール度数が所定値以上であっても、所定の消費期間よりも長い期間をかけて消費された場合も、出力部５０４は、健康サポート情報を出力しないようにする。
【0124】
なお、複数人が居住する家庭１１では、複数人で飲料品が消費されることもある。例えば、２人で飲料品を消費する場合には、消費スピードは２倍になる。このため、飲料品を消費する人数を予め登録しておくことによって、所定の消費期間を、登録した人数に応じた期間とすることも可能である。具体的には、例えば、２人で消費する場合には、所定の消費期間を、例えば３日とすればよい。
【0125】
出力部５０４によって出力された健康サポート情報は、ユーザ端末装置１２０に送信されて、ユーザ端末装置１２０からユーザに通知される。ユーザ端末装置１２０は、広告情報が示す商品を表示するとともに、当該商品がユーザに選択されることによって直接販売サイトにアクセスすることを可能にする。販売サイトにアクセスして発注が確定すると、ユーザ端末装置１２０は、当該商品に係る発注完了通知を発注支援システム１に送信する。これにより、発注支援装置１００は、当該商品の購入履歴を得ることができる。
【0126】
（変形例３に係る商品管理情報の一例）
図２０は、変形例３に係る商品管理情報の一例を示す説明図である。図２０に示す商品管理情報２０００は、商品管理ＤＢ１０２（図９参照）に含まれる情報であり、発注支援装置１００のメモリ２０２に記憶される。図２０において、商品管理情報２０００は、商品名と、アルコール度数と、アルコール量と、消費期間と、健康サポート情報との各項目を含む。商品名は、商品の名称を示す。アルコール度数は、商品に含まれるアルコールの割合を示す。アルコール量は、３５０ｍｌ、５％の「○○ドライ」の２４本分のアルコール量を示す。アルコール量は、発注支援装置１００によって算出される。消費期間は、例えば、前回の発注から次回の発注までの期間である。
図２０は、変形例３に係る商品管理情報の一例を示す説明図である。図２０に示す商品管理情報２０００は、商品管理ＤＢ１０２（図９参照）に含まれる情報であり、発注支援装置１００のメモリ２０２に記憶される。図２０において、商品管理情報２０００は、商品名と、アルコール度数と、アルコール量と、消費期間と、健康サポート情報との各項目を含む。商品名は、商品の名称を示す。アルコール度数は、商品に含まれるアルコールの割合を示す。アルコール量は、３５０ｍｌ、５％の「○○ドライ」の２４本分のアルコール量を示す。アルコール量は、発注支援装置１００によって算出される。消費期間は、例えば、前回の発注から次回の発注までの期間である。
【0127】
図示において、消費期間は、ｔ１とｔ２との２つの閾値を含む。なお、２つの閾値（期間）の長さの関係は、「ｔ１＜ｔ２」である。発注支援装置１００は、商品管理情報２０００に基づいて、各商品のアルコール度数と消費期間とに応じた健康サポート情報を抽出して、ユーザ端末装置１２０へ送信することが可能である。
【0128】
発注支援装置１００は、商品管理情報２０００に基づいて、各商品のアルコール度数と消費期間とに応じた健康サポート情報を抽出して、ユーザ端末装置１２０へ送信することが可能である。図２０を用いて具体的に説明すると、「○○ドライ」の消費期間がｔ１以下であれば、すなわち、消費スピードが速ければ、健康の留意に係る強調度合いが最も高い健康サポート情報１が送信される。「○○ドライ」の消費期間がｔ１を超えてｔ２以下であれば、すなわち、消費スピードが普通であれば、健康サポート情報１に比べて、健康の留意に係る強調度合いが低い健康サポート情報２が送信される。「○○ドライ」の消費期間がｔ２を超えれば、すなわち、消費スピードが遅ければ、特に何も送信されない。なお、消費期間がｔ２を超えた場合でも、健康サポート情報を送信してもよい。なお、この場合の健康サポート情報は、健康サポート情報２と同じでもよいし、健康サポート情報２に比べて、健康に留意に係る強調度合いが低い健康サポート情報でもよい。
【0129】
（発注支援装置１００が行う健康サポート情報の送信処理の一例について）
図２１は、変形例３に係る発注支援装置１００が行う健康サポート情報の送信処理の一例を示すフローチャートである。図２１において、発注支援装置１００は、ユーザ端末装置１２０から発注完了通知を受信したか否かを判断する（ステップＳ２１０１）。発注完了通知を受信しない場合（ステップＳ２１０１：ＮＯ）、発注支援装置１００は、一連の処理を終了する。
図２１は、変形例３に係る発注支援装置１００が行う健康サポート情報の送信処理の一例を示すフローチャートである。図２１において、発注支援装置１００は、ユーザ端末装置１２０から発注完了通知を受信したか否かを判断する（ステップＳ２１０１）。発注完了通知を受信しない場合（ステップＳ２１０１：ＮＯ）、発注支援装置１００は、一連の処理を終了する。
【0130】
発注完了通知を受信した場合（ステップＳ２１０１：ＹＥＳ）、発注支援装置１００は、消費期間がｔ２を超えるか否かを判断する（ステップＳ２１０２）。消費期間がｔ２を超える場合（ステップＳ２１０２：ＹＥＳ）、発注支援装置１００は、一連の処理を終了する。
【0131】
一方、消費期間がｔ２を超えない場合（ステップＳ２１０２：ＮＯ）、発注支援装置１００は、消費期間がｔ１以下であるか否かを判断する（ステップＳ２１０３）。消費期間がｔ１以下ではない場合（ステップＳ２１０３：ＮＯ）、すなわち、消費期間がｔ１を超えてｔ２以下である場合、発注支援装置１００は、商品管理情報２０００（図２０参照）を参照して健康サポート情報２を抽出し、抽出した健康サポート情報２をユーザ端末装置１２０へ送信し（ステップＳ２１０４）、一連の処理を終了する。
【0132】
消費期間がｔ１以下である場合（ステップＳ２１０３：ＹＥＳ）、発注支援装置１００は、商品管理情報２０００（図２０参照）を参照して健康サポート情報１を抽出し、抽出した健康サポート情報１をユーザ端末装置１２０へ送信し（ステップＳ２１０５）、一連の処理を終了する。
【0133】
変形例３に係る発注支援装置１００は、飲料品の消費履歴に応じてユーザに健康サポート情報を通知する。これにより、ユーザの健康的な生活をサポートしつつ、当該飲料品および他の飲料品の発注をより効率よく支援することができる。
【0134】
（変形例４）
次に、実施形態の変形例４について説明する。上述した実施形態では、暦ごとの消費予測本数を予測して、発注催促情報を出力する構成について説明した。変形例５では、このような構成に代えて、暦ごとの発注の有無を予測して、発注催促情報を出力する構成について説明する。
次に、実施形態の変形例４について説明する。上述した実施形態では、暦ごとの消費予測本数を予測して、発注催促情報を出力する構成について説明した。変形例５では、このような構成に代えて、暦ごとの発注の有無を予測して、発注催促情報を出力する構成について説明する。
【0135】
（入力情報取得部５０２が取得する情報について）
変形例４において、入力情報取得部５０２（図５参照）は、暦情報のほかにも、飲料品の残数を示す残数情報を取得する。残数情報は、消費履歴に含まれる情報である。残数情報は、例えば、０～２４本を示す情報である。残数情報は、当日の残数を示す情報である。入力情報取得部５０２は、例えば、毎日１回、所定のタイミング（例えば、朝６時～１０時の間に計量結果を受信したタイミング）で計量装置１１０から送信される計量結果から残数情報を取得する。
変形例４において、入力情報取得部５０２（図５参照）は、暦情報のほかにも、飲料品の残数を示す残数情報を取得する。残数情報は、消費履歴に含まれる情報である。残数情報は、例えば、０～２４本を示す情報である。残数情報は、当日の残数を示す情報である。入力情報取得部５０２は、例えば、毎日１回、所定のタイミング（例えば、朝６時～１０時の間に計量結果を受信したタイミング）で計量装置１１０から送信される計量結果から残数情報を取得する。
【0136】
（変形例４に係る学習モデルについて）
変形例４において、入力層６０１（図６参照）には、入力情報取得部５０２によって取得された暦情報（日付情報、および曜日情報）と、残数情報とが入力される。出力層６０３からは、暦情報と残数情報とに応じた発注の有無を示す出力値が出力される。
変形例４において、入力層６０１（図６参照）には、入力情報取得部５０２によって取得された暦情報（日付情報、および曜日情報）と、残数情報とが入力される。出力層６０３からは、暦情報と残数情報とに応じた発注の有無を示す出力値が出力される。
【0137】
変形例４に係る学習済モデルは、入力層６０１に暦情報と残数情報とを入力したときに出力層６０３から出力される発注の有無（発注ありの確率または発注なしの確率）が、実際の発注実績（発注の有無の結果）と、なるべく合致するように訓練されて、生成された学習モデルである。
【0138】
判別部５０３は、計量装置１１０の計量結果から得られる飲料品の消費履歴と、計量結果が示す現在の飲料品の残数（残本数）とに基づいて、飲料品の発注を行うか否かの判別を行う。具体的には、判別部５０３は、入力層６０１に暦情報と残数情報とを入力したときに、発注ありを示す出力値が所定確率（例えば８０％以上）の場合に、発注を行うと判別する。出力部５０４は、判別部５０３によって発注を行うと判別された場合に、発注催促情報を出力する。
【0139】
（変形例４に係る学習済モデルの生成に用いられる学習用データセットについて）
変形例４に学習用データセットに含まれる入力サンプルは、暦情報と残数情報とであり、学習モデルの訓練時に入力層６０１に入力されるデータである。
変形例４に係る学習用データセットに含まれる出力サンプルは、学習モデルの訓練時に出力層６０３からの出力値と比較するための正解となるデータ（教師データ、正解ラベルとも称する）である。出力サンプルは、各日付、各曜日、各残数に応じて発注されたか否かを示す実績情報（発注の有無を示す情報）であり、学習モデルの訓練時に出力層からの出力値と比較するための正解となる教師データ（正解ラベル）である。
変形例４に学習用データセットに含まれる入力サンプルは、暦情報と残数情報とであり、学習モデルの訓練時に入力層６０１に入力されるデータである。
変形例４に係る学習用データセットに含まれる出力サンプルは、学習モデルの訓練時に出力層６０３からの出力値と比較するための正解となるデータ（教師データ、正解ラベルとも称する）である。出力サンプルは、各日付、各曜日、各残数に応じて発注されたか否かを示す実績情報（発注の有無を示す情報）であり、学習モデルの訓練時に出力層からの出力値と比較するための正解となる教師データ（正解ラベル）である。
【0140】
変形例４に係るモデル生成記憶部は、学習モデルとパラメータとを記憶する。変形例４に係るモデル生成部は、学習用データセットを用いて学習モデルを訓練して、具体的には、モデル生成部は、入力サンプルのそれぞれを入力層６０１に入力して、出力層６０３から得られるそれぞれの出力値と、出力サンプルのそれぞれとの差が少なくなるように、学習モデルのパラメータを更新して、学習済モデルを生成する。モデル生成部は、生成した学習済モデルをモデル記憶部に記憶させる。
【0141】
（変形例４に係る発注支援装置１００が行う発注支援処理について）
次に、変形例４に係る発注支援装置１００が行う発注支援処理（図７のステップＳ７０３）について説明する。まず、発注支援装置１００は、計量装置１１０から計量結果を受信すると、残数情報を取得するとともに、暦情報を取得する。そして、発注支援装置１００は、暦情報と残数情報とを学習済モデルに入力する。次に、発注支援装置１００は、発注ありを示す確率が所定確率以上であれば、通知タイミングである否かを判断する。通知タイミングであれば、発注支援装置１００は、発注催促情報を出力する。
次に、変形例４に係る発注支援装置１００が行う発注支援処理（図７のステップＳ７０３）について説明する。まず、発注支援装置１００は、計量装置１１０から計量結果を受信すると、残数情報を取得するとともに、暦情報を取得する。そして、発注支援装置１００は、暦情報と残数情報とを学習済モデルに入力する。次に、発注支援装置１００は、発注ありを示す確率が所定確率以上であれば、通知タイミングである否かを判断する。通知タイミングであれば、発注支援装置１００は、発注催促情報を出力する。
【0142】
なお、変形例４においても、気候情報やイベント情報を含めて、発注の有無を予測することも可能である。具体的には、気候情報やイベント情報を含む入力サンプルと、発注の有無を示す出力サンプルとを用いて学習済モデルを用いて、発注の有無を予測することが可能である。
【0143】
以上説明したように、変形例４に係る発注支援装置１００は、暦ごとの発注の有無を予測して、発注催促情報を出力する。このようにしても、暦ごとに飲料品の発注をより効率よく支援することができる。
【0144】
（変形例５）
次に、実施形態の変形例５について説明する。上述した実施形態では、閾値判別に用いる閾値を、学習済モデル５１０を用いて予測した消費予測本数に基づいて変更する構成について説明した。変形例５では、このような構成に代えて、閾値判別に用いる閾値を、飲料品の消費履歴テーブルを用いて変更する構成について説明する。
次に、実施形態の変形例５について説明する。上述した実施形態では、閾値判別に用いる閾値を、学習済モデル５１０を用いて予測した消費予測本数に基づいて変更する構成について説明した。変形例５では、このような構成に代えて、閾値判別に用いる閾値を、飲料品の消費履歴テーブルを用いて変更する構成について説明する。
【0145】
（消費履歴テーブルの一例）
図２２は、変形例５に係る消費履歴テーブルの一例を示す説明図である。図２２に示す消費履歴テーブル２２００は、例えば、発注支援装置１００のメモリ２０２に記憶される。図２２において、消費履歴テーブル２２００は、顧客情報と、商品名と、曜日と、予測消費本数との項目を含む。
図２２は、変形例５に係る消費履歴テーブルの一例を示す説明図である。図２２に示す消費履歴テーブル２２００は、例えば、発注支援装置１００のメモリ２０２に記憶される。図２２において、消費履歴テーブル２２００は、顧客情報と、商品名と、曜日と、予測消費本数との項目を含む。
【0146】
顧客情報は、顧客を識別するための顧客ＩＤと、顧客の住所と、顧客の氏名とを含む。曜日は、暦の一例である。なお、説明を簡略化するため、暦には、曜日のみが含まれるようにしているが、日付も含まれていてもよい。すなわち、消費履歴テーブル２２００には、曜日に代えてまたは加えて、日付の項目が含まれていてもよい。予測消費本数は、各曜日の消費履歴に基づいて、各曜日に飲料が消費された平均の本数を示す。
【0147】
変形例５において、入力情報取得部５０２（図５参照）は、当日の曜日情報を取得する。消費量予測部５０３ａは、曜日情報が示す曜日に基づいて、消費履歴テーブル２２００を用いて、当日の予測消費本数を予測する。閾値変更部５０３ｂは、予測消費本数に基づいて、閾値を変更する。判別部５０３は、計量結果が示す現在の飲料品の残数が閾値変更部５０３ｂによって変更可能な閾値以下となったか否かの閾値判別を行う。出力部５０４は、現在の飲料品の残数が閾値以下となった場合に、発注催促情報を出力する。
【0148】
なお、消費履歴テーブル２２００に、気候情報やイベント情報を含ませることも可能である。具体的には、過去の消費履歴に基づいて、曜日ごとの気候情報別の予測消費本数や、曜日ごとのイベントの有無別の予測消費本数を消費履歴テーブル２２００に記憶させるようにすればよい。また、外部の装置から、気候に応じた飲料品の消費予測を示す消費データを取得することも可能である。このようにした場合、当該消費データに基づいて、予測消費本数を変更させることが可能である。この変更は、自動で行われてもよいし、発注支援装置１００のオペレータによる手動で行われてもよい。このように、変形例５においても、気候やイベントの有無に応じた予測消費本数を予測して、閾値を変更することが可能である。
【0149】
また、消費履歴テーブル２２００に気候情報やイベント情報を含ませなくても、気候情報やイベント情報に応じて、予測消費本数を所定数増減させることが可能である。例えば、所定数は、予め設定した値としてもよく、悪天候のときに「－１」にしたり、イベント時に「＋２」にしたりしてもよい。
【0150】
変形例５の発注支援装置１００によれば、ユーザごとに、飲料品の消費履歴（消費予測本数）に応じた最適なタイミングで発注催促通知を行うことができる。したがって、飲料品の発注を効率よく支援することができる。
【0151】
（変形例６）
次に、実施形態の変形例６について説明する。上述した変形例５では、閾値判別に用いる閾値を、飲料品の消費履歴テーブル２２００を用いて変更する構成について説明した。変形例６では、このような構成に代えて、閾値判別に用いる閾値を、飲料品の発注履歴テーブル２３００を用いて変更する構成について説明する。
次に、実施形態の変形例６について説明する。上述した変形例５では、閾値判別に用いる閾値を、飲料品の消費履歴テーブル２２００を用いて変更する構成について説明した。変形例６では、このような構成に代えて、閾値判別に用いる閾値を、飲料品の発注履歴テーブル２３００を用いて変更する構成について説明する。
【0152】
（発注履歴テーブルの一例）
図２３は、変形例６に係る発注履歴テーブルの一例を示す説明図である。図２３に示す発注履歴テーブル２３００は、例えば、発注支援装置１００のメモリ２０２に記憶される。図２３において、発注履歴テーブル２３００は、顧客情報と、商品名と、曜日と、発注時の残数（本数）との項目を含む。顧客情報は、顧客を識別するための顧客ＩＤと、顧客の住所と、顧客の氏名とを含む。曜日は、暦の一例である。なお、発注履歴テーブル２３００には、曜日に代えてまたは加えて、日付の項目が含まれていてもよい。発注時の残数は、各曜日の発注履歴に基づいて、各曜日に発注されたときの平均の残数（閾値）を示す。
図２３は、変形例６に係る発注履歴テーブルの一例を示す説明図である。図２３に示す発注履歴テーブル２３００は、例えば、発注支援装置１００のメモリ２０２に記憶される。図２３において、発注履歴テーブル２３００は、顧客情報と、商品名と、曜日と、発注時の残数（本数）との項目を含む。顧客情報は、顧客を識別するための顧客ＩＤと、顧客の住所と、顧客の氏名とを含む。曜日は、暦の一例である。なお、発注履歴テーブル２３００には、曜日に代えてまたは加えて、日付の項目が含まれていてもよい。発注時の残数は、各曜日の発注履歴に基づいて、各曜日に発注されたときの平均の残数（閾値）を示す。
【0153】
変形例６において、入力情報取得部５０２（図５参照）は、当日の曜日情報を取得する。閾値変更部５０３ｂは、曜日情報が示す曜日に基づいて、発注履歴テーブル２３００に示す発注時の残数に閾値を変更する。判別部５０３は、計量結果が示す現在の飲料品の残数が閾値変更部５０３ｂによって変更可能な閾値以下となったか否かの閾値判別を行う。出力部５０４は、現在の飲料品の残数が閾値以下となった場合に、発注催促情報を出力する。
【0154】
なお、発注履歴テーブル２３００に、気候情報やイベント情報を含ませることも可能である。具体的には、過去の発注履歴に基づいて、曜日ごとの気候情報別の発注時の残数や、曜日ごとのイベントの有無別の発注時の残数を発注履歴テーブル２３００に記憶させるようにする。また、外部の装置から、気候に応じた飲料品の消費予測を示す消費データを取得することも可能である。このようにした場合、当該消費データに基づいて、閾値を変更させることが可能である。この変更は、自動で行われてもよいし、発注支援装置１００のオペレータによる手動で行われてもよい。このように、変形例６においても、気候やイベントの有無に応じて閾値を変更することが可能である。
【0155】
また、発注履歴テーブル２３００に気候情報やイベント情報を含まなくても、気候情報やイベント情報に応じて、発注時の残数から所定数増減させて閾値を決定することも可能である。例えば、所定数は、予め設定した値としてもよく、悪天候のときに「－１」にしたり、イベント時に「＋２」にしたりしてもよい。
【0156】
変形例６の発注支援装置１００によれば、ユーザごとに、飲料品の発注履歴（発注時の残数）に応じた最適なタイミングで発注催促通知を行うことができる。したがって、飲料品の発注を効率よく支援することができる。
【0157】
本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。
【0158】
なお、以上に説明した発注支援システム１および発注支援装置１００を実現するためのプログラムを、コンピュータ読み取り可能な記録媒体に記録し、そのプログラムをコンピュータシステムに読み込ませて実行するようにしてもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ）のように、一定時間プログラムを保持しているものも含むものとする。また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。また、上記プログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。
【符号の説明】
【0159】
１…発注支援システム、１００…発注支援装置、１１０…計量装置、１２０…ユーザ端末装置、５０１…計量結果取得部、５０２…入力情報取得部、５０３…判別部、５０３ａ…消費量予測部、５０３ｂ…閾値変更部、５０４…出力部、５１０…学習済モデル、データセット取得部１２０１、モデル生成部１２０２
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】
【図22】
【図23】